기후 데이터와 AI를 사용하여 예측되는 콜레라 발병
콜레라 발생 : 지구 궤도를 도는 위성에서 가져온 기후 데이터와 기계 학습 기술이 결합되어 콜레라 발생을 더 잘 예측하고 잠재적으로 생명을 구하는 데 도움이됩니다.
콜레라는 전 세계의 많은 해안 지역, 특히 인구 밀도가 높은 열대 지역에서 발견되는 박테리아 Vibrio cholerae로 오염 된 물이나 음식 섭취로 인해 발생하는 수 인성 질병입니다.
콜레라 발생, ESA는 인공 지능과 환경 활성화에 대한 지식을 연결합니다.
원인이되는 병원균은 일반적으로 따뜻한 온도, 적당한 염도 및 탁도에서 살며 플랑크톤과 물속의 잔해에 의해 숨겨 질 수 있습니다.
지구 온난화와 극심한 기상 현상의 증가로 콜레라가 발생하고 있습니다.이 질병은 매년 전 세계적으로 1.3 만에서 4 백만 명에게 영향을 미치며 최대 143 명의 사망자를 초래합니다.
새로운 연구는 콜레라를 예측하기 위해 해수면 염분을 사용하는 첫 번째 시연에서 인도 해안 지역의 콜레라 발생을 89 % 성공률로 예측할 수있는 방법을 보여줍니다.
어제 국제 환경 연구 및 공중 보건 저널에 발표 된이 연구는 2010-16 기간 동안 전 세계 질병 사례의 절반 이상이보고 된 북부 인도양 주변의 콜레라 발병을 예측하는 데 초점을 맞추고 있습니다.
콜레라 발생의 환경 적 요인들 간의 관계는 복잡하고 계절에 따라 다르며 예를 들어 몬순 시즌과 같은 지연된 영향이 다릅니다.
기계 학습 알고리즘은 테스트 가능한 예측을 수행하기 위해 대규모 데이터 세트에서 패턴을 인식하는 방법을 학습하여 이러한 문제를 극복하는 데 도움이 될 수 있습니다.
콜레라 발병 연구는 Amy Campbell이 ESA Climate Office에서 XNUMX 년간의 대학원 연수 기간 동안 주도했습니다.
Amy는 Plymouth Marine Laboratory (PML)의 공동 저자와 함께 긴 데이터 세트에서 패턴을 인식하고 테스트 가능한 예측을 수행 할 수있는 환경 과학 애플리케이션에서 널리 사용되는 기계 학습 알고리즘 인 랜덤 포레스트 분류기를 사용했습니다.
알고리즘은 2010 년과 2018 년 사이에 인도의 해안 지역에서보고 된 질병 발생에 대해 훈련되었으며 ESA의 기후 변화 이니셔티브 (CCI)에서 생성 된 XNUMX 개의 위성 기반 기후 기록과의 관계를 학습했습니다.
각기 다른 계절에 대한 환경 변수와 하위 설정을 포함하거나 제거함으로써이 알고리즘은 콜레라 발병을 예측하기위한 주요 변수를 지표 온도, 해수면 염분, 엽록소 -a 농도 및 평균과의 해수면 차이 (해수면 이상)로 식별했습니다.
Amy Campbell은“이 모델은 유망한 결과를 보여 주었으며 다른 콜레라 감시 데이터 세트를 사용하거나 다른 위치에서이 작업을 개발할 수있는 많은 범위가 있습니다.
우리의 연구에서 우리는 다양한 기계 학습 기술을 테스트하고 랜덤 포레스트 분류 기가 최고라는 것을 발견했지만 조사 할 수있는 훨씬 더 많은 기술이 있습니다.
“사회-경제적 데이터 세트를 포함하여 미치는 영향을 테스트하는 것은 흥미로울 것입니다. 원격 감지 데이터는 수자원에 대한 접근과 같이 콜레라 발생에 중요한 인적 요인을 설명하는 기록을 개발하는 데 사용될 수 있습니다.”
이 연구와 새로운 통찰력은 PML의 공동 저자 인 Marie-Fanny Racault가 주도하는 UKRI-NERC 콜레라 및 솔루션 도구 분산 경로 (PODCAST) 프로젝트에 기여했습니다.이 프로젝트는 기후 온난화와 극한 기후가 서식지에 미치는 영향을 평가하고 있습니다. Vibrio cholerae에 적합합니다.
연구 결과는 PODCAST-DEMO 프로젝트의 일환으로 웹 기반 예측 도구를 통해 26 년 UNFCCC의 COP2021 회의에서 시연 될 것입니다.
이것은 ESA-Future Earth 공동 프로그램에 의해 지원되며 Future Earth의 Health Knowledge-Action 네트워크와 협력하여 수행됩니다.
유럽 우주국, 새로운 콜레라 발생 탐지 주도
Ijerph-17-09378-v2읽기 :
COVID-19 마약, Remdesivir에 대한 시험은 국제 우주 정거장에서 계속됩니다