気候データとAIを使用して予測されたコレラの発生
コレラの発生:地球周回衛星から取得した気候データを機械学習技術と組み合わせることで、コレラの発生をより正確に予測し、命を救うことができます。
コレラは、世界中の多くの沿岸地域、特に人口密度の高い熱帯地域で見られる、細菌Vibriocholeraeで汚染された水または食物の摂取によって引き起こされる水系感染症です。
コレラの発生、ESAは人工知能と環境を可能にする知識を結びつけます
責任のある病原体は、一般的に暖かい温度、適度な塩分と濁度の下で生活し、水中のプランクトンとデトリタスによって隠されている可能性があります。
地球温暖化と異常気象の増加により、コレラの発生が促進されています。コレラは、世界中で毎年1.3万から4万人が罹患し、最大143人が死亡しています。
新しい研究は、コレラの予測に海面塩分を使用する最初のデモンストレーションで、インドの沿岸地域でのコレラの発生を89%の成功率で予測する方法を示しています。
昨日InternationalJournal of Environmental Research and Public Healthに発表された研究は、インド洋北部周辺でのコレラの発生の予測に焦点を当てています。この地域では、2010〜16年に世界のコレラ症例の半数以上が報告されました。
コレラ発生の環境要因間の関係は複雑であり、季節によって異なり、たとえばモンスーンの季節とは異なる遅れた影響があります。
機械学習アルゴリズムは、テスト可能な予測を行うために大規模なデータセット全体のパターンを認識することを学習することで、これらの問題を克服するのに役立ちます。
コレラ発生調査研究は、ESA気候局とのXNUMX年間の大学院研修中にエイミーキャンベルによって主導されました
エイミーは、プリマス海洋研究所(PML)の共著者とともに、環境科学アプリケーションで人気のある機械学習アルゴリズムであるランダムフォレスト分類器を使用しました。これにより、長いデータセット全体のパターンを認識し、テスト可能な予測を行うことができます。
このアルゴリズムは、2010年から2018年の間にインドの沿岸地域で報告された病気の発生についてトレーニングされ、ESAの気候変動イニシアチブ(CCI)によって生成されたXNUMXつの衛星ベースの気候記録との関係を学習しました。
アルゴリズムは、環境変数とさまざまな季節のサブセットを含めるか削除することにより、コレラの発生を予測するための重要な変数を、地表面温度、海面塩分、クロロフィルa濃度、および平均からの海面差(海面異常)として識別しました。
エイミー・キャンベルは、次のように述べています。「このモデルは有望な結果を示しており、さまざまなコレラ監視データセットを使用して、またはさまざまな場所でこの作業を開発する余地がたくさんあります。
私たちの研究では、さまざまな機械学習手法をテストし、ランダムフォレスト分類器が最適であることがわかりましたが、調査できる手法ははるかに多くあります。
「社会経済データセットを含めることの影響をテストすることは興味深いでしょう。 リモートセンシングデータを使用して、水資源へのアクセスなど、コレラの発生に重要な人的要因を説明する記録を作成することができます。」
この研究とその新しい洞察は、PMLの共著者であるMarie-Fanny Racaultが率いるUKRI-NERCPathways Of Dispersal for Cholera And Solution Tools(PODCAST)プロジェクトに貢献しました。このプロジェクトは、気候温暖化と極端な気候が生息地に与える影響を評価しています。コレラ菌に適しています。
この調査の結果は、PODCAST-DEMOプロジェクトの一環として、26年に開催されたUNFCCCのCOP2021会議で、Webベースの予測ツールを介して実証されます。
これは、ESA-Future Earth共同プログラムによってサポートされており、FutureEarthのHealthKnowledge-Actionネットワークと共同で実行されます。
欧州宇宙機関が新たなコレラの発生の検出を主導、研究が発表された
igerph-17-09378-v2また、
COVID-19薬、レムデシビルの試験は国際宇宙ステーションで継続