기계 학습은 새로운 기생충 및 병원균에 취약한 질병 및 지리적 인 위험 지역을 보유하고있는 설치류 종을 정확히 찾아 낼 수 있습니다. 그래서 새로운 연구를보고합니다. 과학 국립 아카데미의 절차 Cary Institute of Ecosystem Studies의 질병 생태학자인 Barbara A. Han이 이끌었습니다.

대부분의 신종 전염병은 동물에서 인간으로 전염되며 매년 XNUMX 억 명이 넘는 사람들이 고통을 받고 있습니다. 공중 보건을 보호하려면 효과적인 감시 도구가 필요합니다.

조지아 대학 Odum 생태 학교 동료 인 John Paul Schmidt, Sarah E. Bowden, John M. Drake와 함께 Han은 인공 지능의 한 형태 인 기계 학습을 사용하여 2,000 개 이상의 설치류 종에 대한 광범위한 데이터 세트에서 패턴을 밝혀 냈습니다. , 종의 생활사, 생태학, 행동, 생리학 및 지리적 분포를 설명하는 변수가 있습니다.

Cary Institute에서 발표 한 보고서에 따르면 팀은 알려진 설치류 저수지 종을 90 % 정확도로 예측할 수있는 모델을 개발했으며 저수지와 비 저수지를 구별하는 특정 특성을 식별했습니다. 그들은 150 개가 넘는 새로운 잠재적 인 설치류 저수지 종과 XNUMX 개가 넘는 새로운 초 저수지 (인간에게 전염성있는 여러 병원체를 운반 할 수있는 동물)를 밝혀 냈습니다.

Barbara는 생태 및 생물 의학 데이터를 공통 데이터베이스에 결합함으로써 기계 학습을 사용하여 설치류 매개 질병 발생에 대한 조기 경보 시스템에 알릴 수있는 패턴을 찾을 수있었습니다.

가장 위험한 저수지 종은 빨리 성숙하고, 일찍 그리고 종종 번식하며, 생물 다양성이 낮은 북부 온대 지역에서 살고있는 종입니다.

설치류 저수지의 다양성이 높은 지역은 북미, 남미의 대서양 연안, 유럽, 러시아, 중앙 및 동아시아 일부를 포함합니다. 설치류 저수지 다양성의 예측 된 미래 핫스팟은 중국, 카자흐스탄 및 미국 중서부를 포함한 북극, 온대, 열대 및 사막 생물 군계에 걸쳐 있습니다. 새로운 저수지와 초 저수지 종의 대부분은 위도에서 발생할 것으로 예상됩니다.

조사 결과는 새로 발견 된 전염병에 대한 모니터링 비용을 감안할 때 필수적인 표적 감시 노력의 기초를 제공합니다.

릴리스 노트는이 연구에 적용된 기계 학습 기술이 현재 에볼라 바이러스 및 기타 필로 바이러스의 잠재적 저장소를 포함하여 새로운 질문을 탐구하는 데 사용되고 있음을 알려줍니다.

전체 기사 여기에서 지금 확인해 보세요..