मशीन सीखने कृंतक प्रजातियों को इंगित कर सकते हैं जो नई परजीवी और रोगजनकों के लिए कमजोर बीमारियों और भौगोलिक हॉटस्पॉट को बंद कर देते हैं। तो में एक नए अध्ययन की रिपोर्ट नेशनल एकेडमी ऑफ साइंसेज की कार्यवाही बारबरा ए हान के नेतृत्व में, कैरो इंस्टीट्यूट ऑफ इकोसिस्टम स्टडीज में एक रोग पारिस्थितिकीविद।

अधिकांश उभरते संक्रामक रोग जानवरों से मनुष्यों में प्रेषित होते हैं, जिनमें सालाना एक अरब से अधिक लोग पीड़ित होते हैं। सार्वजनिक स्वास्थ्य की सुरक्षा के लिए प्रभावी निगरानी उपकरण की आवश्यकता होती है।

यूनिवर्सिटी ऑफ जॉर्जिया ओडुम स्कूल ऑफ इकोलॉजी के सहयोगियों के साथ जॉन पॉल श्मिट, सारा ई। बोडेन और जॉन एम। ड्रेक, हान कार्यरत मशीन लर्निंग, आर्टिफिशियल इंटेलिजेंस का एक रूप, 2,000 से अधिक कृंतक प्रजातियों पर डेटा के व्यापक सेट में पैटर्न प्रकट करने के लिए। , प्रजातियों के जीवन इतिहास, पारिस्थितिकी, व्यवहार, शरीर विज्ञान और भौगोलिक वितरण का वर्णन करने वाले चर के साथ।

कैरी इंस्टीट्यूट ने रिपोर्ट जारी की कि टीम ने एक मॉडल विकसित किया जो 90 प्रतिशत सटीकता के साथ ज्ञात कृंतक जलाशय प्रजातियों की भविष्यवाणी करने में सक्षम था, और विशेष लक्षणों की पहचान की जो जलाशयों को गैर-जलाशयों से अलग करती है। उन्होंने 150 से अधिक नए संभावित कृंतक जलाशय प्रजातियों और पचास से अधिक नए हाइपर-जलाशयों (जानवरों जो मनुष्यों के लिए कई रोगजनकों को ले जा सकते हैं) का खुलासा किया।

पारिस्थितिक और बायोमेडिकल डेटा को एक आम डेटाबेस में मिलाकर, बारबरा पैटर्न सीखने के लिए मशीन सीखने का उपयोग करने में सक्षम था जो कृंतक जनित रोग के प्रकोप के लिए एक प्रारंभिक चेतावनी प्रणाली को सूचित कर सकता है।

सबसे खतरनाक जलाशय प्रजातियां वे हैं जो जल्दी परिपक्व होती हैं, जल्दी और अक्सर पुनरुत्पादित करती हैं, और जैव विविधता के निम्न स्तर वाले उत्तरी समशीतोष्ण क्षेत्रों में रहते हैं।

जिन भौगोलिक क्षेत्रों में कृंतक जलाशयों की अधिक विविधता पाई जाती है उनमें उत्तरी अमेरिका, दक्षिण अमेरिका का अटलांटिक तट, यूरोप, रूस और मध्य और पूर्वी एशिया के कुछ हिस्से शामिल हैं। कृंतक जलाशय विविधता के भविष्य के हॉटस्पॉट्स ने चीन, कजाकिस्तान और मिडवेस्टर्न संयुक्त राज्य अमेरिका सहित आर्कटिक, समशीतोष्ण, उष्णकटिबंधीय और रेगिस्तानी बायोम को फैलाया। अधिकांश नए जलाशय और अति-जलाशय प्रजातियों को ऊपरी अक्षांशों में होने का अनुमान है।

निष्कर्ष लक्षित निगरानी प्रयासों का आधार प्रदान करते हैं, जो उभरती संक्रामक बीमारियों के लिए निगरानी की लागत को देखते हुए महत्वपूर्ण हैं।

इस अध्ययन में लागू की गई मशीन सीखने की तकनीक को जारी करने वाले नोटों का उपयोग वर्तमान में नए प्रश्नों का पता लगाने के लिए किया जा रहा है, जिसमें इबोला वायरस के संभावित जलाशयों और अन्य फाइलोविरस शामिल हैं।

पूर्ण लेख यहाँ उत्पन्न करें.