شیوع وبا با استفاده از داده های آب و هوایی و هوش مصنوعی پیش بینی شده است
شیوع وبا: داده های آب و هوایی گرفته شده از ماهواره های مدار زمین ، همراه با تکنیک های یادگیری ماشین ، به پیش بینی بهتر شیوع وبا کمک می کند و به طور بالقوه زندگی را نجات می دهد.
وبا نوعی بیماری منتقله از طریق آب است که ناشی از بلعیدن آب یا مواد غذایی آلوده به باکتری ویبریو وبا است که در بسیاری از مناطق ساحلی دنیا به ویژه در مناطق گرمسیر با جمعیت زیاد دیده می شود.
شیوع وبا ، ESA هوش مصنوعی و دانش محیطهای رابط را بهم پیوند می دهد
عامل بیماری زا مسئول معمولاً در دمای گرم ، شوری متوسط و کدورت زندگی می کند و می تواند توسط پلانکتون ها و ریزه های موجود در آب مهار شود.
گرم شدن کره زمین و افزایش حوادث شدید آب و هوایی باعث شیوع وبا شده است - بیماری که سالانه 1.3 تا 4 میلیون نفر را در سراسر جهان مبتلا می کند و منجر به 143 نفر فوتی می شود.
یک مطالعه جدید نشان می دهد که چگونه شیوع وبا در مناطق ساحلی هند با موفقیت 89 درصدی در اولین نمایش استفاده از شوری سطح دریا برای پیش بینی وبا قابل پیش بینی است.
این تحقیق که روز گذشته در مجله بین المللی تحقیقات محیطی و بهداشت عمومی منتشر شد ، بر پیش بینی شیوع وبا در اطراف شمال اقیانوس هند متمرکز است ، جایی که بیش از نیمی از موارد جهانی این بیماری در دوره 2010-16 گزارش شده است.
رابطه بین عوامل محرک محیطی بروز وبا پیچیده است ، و به صورت فصلی متفاوت است ، با اثرات متفاوت ، به عنوان مثال از فصل موسمی.
الگوریتم های یادگیری ماشین می توانند با یادگیری شناخت الگوها در مجموعه داده های بزرگ به منظور پیش بینی های قابل آزمایش ، به غلبه بر این مسائل کمک کنند.
مطالعه مطالعه شیوع وبا توسط امی کمبل طی یک دوره کارآموزی فارغ التحصیل یک ساله با دفتر آب و هوا ESA انجام شد
امی ، به همراه همكارانش در آزمایشگاه دریایی پلیموث (PML) ، از الگوریتم یادگیری ماشینی مشهور در برنامه های علوم محیطی - طبقه بندی كننده جنگل تصادفی - استفاده كرد كه می تواند الگوها را در مجموعه داده های طولانی تشخیص دهد و پیش بینی های قابل آزمایش كند.
این الگوریتم در مورد شیوع بیماری گزارش شده در مناطق ساحلی هند بین سال های 2010 و 2018 آموزش دیده بود و روابط با شش رکورد اقلیمی مبتنی بر ماهواره را که توسط ابتکار عمل تغییر اقلیم (CCI) ESA ایجاد شده است ، فرا گرفت.
با گنجاندن یا حذف متغیرهای زیست محیطی و تنظیمات فرعی برای فصول مختلف ، الگوریتم متغیرهای کلیدی برای پیش بینی شیوع وبا از جمله دمای سطح زمین ، شوری سطح دریا ، غلظت کلروفیل-a و اختلاف سطح دریا از میانگین (ناهنجاری سطح دریا) را شناسایی کرد.
امی کمبل گفت ، "این مدل نتایج امیدوار کننده ای را نشان داد ، و زمینه های زیادی برای توسعه این کار با استفاده از مجموعه داده های مختلف نظارت بر وبا یا در مکان های مختلف وجود دارد.
در مطالعه ما ، ما تکنیک های مختلف یادگیری ماشین را آزمایش کردیم و طبقه بندی کننده جنگل تصادفی را بهترین دانستیم ، اما روش های بسیار بیشتری وجود دارد که می تواند مورد بررسی قرار گیرد.
"جالب است که آزمایش تأثیر مجموعه داده های اقتصادی-اجتماعی را آزمایش کنیم. از داده های سنجش از دور می توان برای تهیه سوابق برای محاسبه عوامل انسانی مهم در بروز وبا استفاده کرد ، مانند دسترسی به منابع آب. "
این مطالعه و بینش جدید آن به پروژه UKRI-NERC Pathways of Dispersing for Cholera And Solution Tools (PODCAST) به رهبری ماری-فانی راکولت ، نویسنده همکار در PML کمک کرده است ، که ارزیابی تأثیر گرم شدن آب و هوا و شرایط شدید آب و هوایی بر روی زیستگاه ها است. مناسب برای ویبریو وبا.
نتایج حاصل از این مطالعه در نشست COP26 UNFCCC در سال 2021 از طریق یک ابزار پیش بینی مبتنی بر وب به عنوان بخشی از پروژه PODCAST-DEMO نشان داده خواهد شد.
این توسط برنامه مشترک ESA-Future Earth پشتیبانی می شود و با همکاری شبکه دانش-اقدام بهداشت آینده Future Earth انجام می شود.
مطالعه منتشر شده ، آژانس فضایی اروپا منجر به شناسایی شیوع جدید وبا می شود
ijerph-17-09378-v2همچنین بخوانید:
مواد مخدر COVID-19 ، دادگاه درباره Remdesivir در ایستگاه فضایی بین المللی ادامه دارد