機械学習は、新しい寄生虫や病原体に脆弱な病気や地理的ホットスポットを持つげっ歯類の種を特定することができます。 それで、 米国科学アカデミー紀要 Cary Institute of EcosystemStudiesの病気の生態学者であるBarbaraA.Hanが率いる。

ほとんどの新興感染症は動物から人間に感染し、毎年XNUMX億人以上が苦しんでいます。 公衆衛生を保護するには、効果的な監視ツールが必要です。

ジョージア大学オダム生態学部の同僚であるジョンポールシュミット、サラE.ボーデン、ジョンM.ドレイクとともに、ハンは人工知能の一種である機械学習を採用して、2,000を超えるげっ歯類に関する広範なデータセットのパターンを明らかにしました。 、種の生活史、生態学、行動、生理学、地理的分布を説明する変数を使用します。

Cary Instituteのリリースによると、チームは既知のげっ歯類の貯水池の種を90％の精度で予測できるモデルを開発し、貯水池と非貯水池を区別する特定の特性を特定しました。 彼らは、150を超える潜在的なげっ歯類の貯水池種とXNUMXを超える新しいハイパー貯水池（人間に感染する複数の病原体を運ぶ可能性のある動物）を明らかにしました。

生態学的データと生物医学的データを共通のデータベースに組み合わせることで、バーバラは機械学習を使用して、げっ歯類が媒介する病気の発生に関する早期警告システムに情報を提供できるパターンを見つけることができました。

最もリスクの高い貯留種は、早く成熟し、早期にしばしば生殖し、生物多様性の低い北部の温帯地域に生息する種です。

げっ歯類の貯水池の多様性が高いことがわかった地理的地域には、北アメリカ、南アメリカの大西洋岸、ヨーロッパ、ロシア、および中央アジアと東アジアの一部が含まれていました。 げっ歯類の貯水池の多様性の予測される将来のホットスポットは、中国、カザフスタン、および米国中西部を含む、北極、温帯、熱帯、および砂漠のバイオームにまたがっていました。 新しい貯水池と超貯水池の種の大部分は、高緯度で発生すると予測されています。

所見は、標的とするサーベイランス活動の基盤となるものであり、新興感染症のモニタリングのコストを考えると非常に重要です。

このリリースノートでは、この研究で適用された機械学習技術が、エボラウイルスやその他のフィロウイルスの潜在的な貯留層など、新しい質問を調査するために現在使用されていると述べています。

記事全文 こちら.