Koneen oppiminen voi osoittaa sellaisia ​​jyrsijöitä, joilla on tauteja ja maantieteellisiä hotspotteja, jotka ovat alttiita uusille loisille ja taudinaiheuttajille. Joten raportit uutta tutkimusta Proceedings of National Academy of Sciences johti Barbara A.Han, taudiekologi Cary-instituutista.

Suurin osa uusista tartuntataudeista tarttuu eläimistä ihmisiin, ja yli miljardi ihmistä kärsii vuosittain. Kansanterveyden turvaaminen vaatii tehokkaita valvontavälineitä.

Georgian yliopiston Odumin ekologiakorkeakoulun kollegoiden John Paul Schmidtin, Sarah E. Bowdenin ja John M. Draken kanssa Han käytti koneoppimista, joka on tekoälyn muoto, paljastamaan kuviot laajasta joukosta tietoja yli 2,000 jyrsijälajista. , jossa muuttujat kuvaavat lajien elämähistoriaa, ekologiaa, käyttäytymistä, fysiologiaa ja maantieteellistä jakautumista.

Cary-instituutin julkaisu kertoo, että ryhmä kehitti mallin, joka pystyi ennustamaan tunnetut jyrsijäsäiliölajit 90 prosentin tarkkuudella ja tunnistamaan erityiset piirteet, jotka erottavat säiliöt muista kuin säiliöistä. He paljastivat yli 150 uutta potentiaalista jyrsijäsäiliölajia ja yli viisikymmentä uutta hypersäiliötä (eläimiä, joissa voi olla useita ihmisille tarttuvia taudinaiheuttajia).

Yhdistämällä ekologiset ja biolääketieteelliset tiedot yhteiseen tietokantaan Barbara pystyi koneoppimisen avulla löytämään malleja, jotka voivat ilmoittaa varhaisvaroitusjärjestelmään jyrsijöiden aiheuttamien tautien puhkeamiseen.

Suurin riskialttiit säiliölajit ovat ne, jotka kypsyvät nopeasti, lisääntyvät varhaisessa vaiheessa ja usein ja elävät pohjoisen lauhkeilla alueilla, joilla biologinen monimuotoisuus on vähäistä.

Maantieteellisillä alueilla havaittiin olevan paljon jyrsijäsäiliöitä, mukaan lukien Pohjois-Amerikka, Etelä-Amerikan Atlantin rannikko, Eurooppa, Venäjä ja osat Keski- ja Itä-Aasiasta. Jyrsijäsäiliöiden monimuotoisuuden ennustetut tulevat kohdealueet ulottuvat arktisiin, lauhkeisiin, trooppisiin ja autiomaabiomeihin, mukaan lukien Kiina, Kazakstan ja Yhdysvaltojen keskilänsi. Suurimman osan uusista säiliö- ja hypersäiliölajeista ennustetaan esiintyvän ylemmillä leveysasteilla.

Havainnot tarjoavat perustan kohdennetuille valvontatoimille, jotka ovat välttämättömiä, kun otetaan huomioon uusien tartuntatautien seurannan kustannukset.

Julkaisussa todetaan, että tässä tutkimuksessa sovellettuja koneoppimistekniikoita käytetään tällä hetkellä uusien kysymysten tutkimiseen, mukaan lukien mahdolliset Ebola-viruksen ja muiden filovirusten varastot.

Koko artikkeli tätä.