Strojové učení může nalézt druhy hlodavců, které nesou choroby a geografické horké místo, které jsou vystaveny novým parazitům a patogenům. Tak hlásí novou studii v Sborník Národní akademie věd vedená Barbarou A. Han, ekologkou nemocí na Cary Institute of Ecosystem Studies.

Většina vznikajících infekčních chorob se přenáší ze zvířat na člověka, přičemž ročně trpí více než miliarda lidí. Ochrana veřejného zdraví vyžaduje účinné nástroje dozoru.

Spolu s kolegy z ekologické školy Odum School of Ecology Johnem Paulem Schmidtem, Sarah E. Bowdenovou a Johnem M. Drakem použil Han strojové učení, což je forma umělé inteligence, aby odhalil vzorce v rozsáhlém souboru údajů o více než 2,000 XNUMX druzích hlodavců , s proměnnými popisujícími historii života druhů, ekologii, chování, fyziologii a geografické rozšíření.

Uvolnění institutu Cary Institute uvádí, že tým vyvinul model, který byl schopen předpovědět známé druhy rezervoárů hlodavců s přesností 90 procent, a identifikoval konkrétní rysy, které odlišují nádrže od jiných než rezervoárů. Odhalili více než 150 nových potenciálních druhů rezervoárů hlodavců a více než padesát nových hyper rezervoárů (zvířata, která mohou nést více patogenů infekčních pro člověka).

Kombinací ekologických a biomedicínských dat do společné databáze dokázala Barbara pomocí strojového učení najít vzorce, které mohou informovat systém včasného varování před vypuknutím choroby přenášené hlodavci.

Nejrychlejšími druhy nádrží jsou ty, které rychle zrají, rozmnožují se brzy a často a žijí v severních mírných oblastech s nízkou úrovní biologické rozmanitosti.

Geografické oblasti, u nichž se zjistilo, že mají velkou rozmanitost rezervoárů pro hlodavce, zahrnovaly Severní Ameriku, atlantické pobřeží Jižní Ameriky, Evropu, Rusko a části střední a východní Asie. Předpokládané budoucí hotspoty rozmanitosti rezervoárů hlodavců zahrnovaly arktické, mírné, tropické a pouštní biomy, včetně Číny, Kazachstánu a středozápadních Spojených států. Předpokládá se, že většina nových rezervoárů a hypernádržnic se bude vyskytovat v horních zeměpisných šířkách.

Závěry poskytují základ pro cílené úsilí v oblasti dohledu, které jsou nezbytné s ohledem na náklady na sledování vznikajících infekčních onemocnění.

Vydání uvádí, že techniky strojového učení použité v této studii se v současné době používají k prozkoumání nových otázek, včetně potenciálních rezervoárů viru Ebola a dalších filovirů.

Celý článek zde.