Machinaal leren kan knaagdierensoorten lokaliseren die ziekten en geografische hotspots herbergen die kwetsbaar zijn voor nieuwe parasieten en ziekteverwekkers. Dus meldt een nieuwe studie in de Proceedings van de National Academy of Sciences geleid door Barbara A. Han, een ziekte-ecoloog aan het Cary Institute of Ecosystem Studies.

De meeste opkomende infectieziekten worden overgedragen van dier op mens, met meer dan een miljard mensen die jaarlijks lijden. Om de volksgezondheid te beschermen, zijn effectieve bewakingsinstrumenten nodig.

Samen met de collega's van de University of Georgia Odum School of Ecology John Paul Schmidt, Sarah E. Bowden en John M. Drake gebruikte Han machine learning, een vorm van kunstmatige intelligentie, om patronen te onthullen in een uitgebreide set gegevens over meer dan 2,000 knaagdierensoorten , met variabelen die de levensgeschiedenis, ecologie, gedrag, fysiologie en geografische spreiding van soorten beschrijven.

Een publicatie van het Cary Institute meldt dat het team een ​​model heeft ontwikkeld dat bekende soorten knaagdierreservoirs met een nauwkeurigheid van 90 procent kan voorspellen, en dat het bepaalde kenmerken identificeert die reservoirs onderscheiden van niet-reservoirs. Ze onthulden meer dan 150 nieuwe potentiële soorten reservoirs voor knaagdieren en meer dan vijftig nieuwe hyperreservoirs (dieren die meerdere pathogenen kunnen dragen die besmettelijk zijn voor mensen).

Door ecologische en biomedische gegevens te combineren in een gemeenschappelijke database, kon Barbara machinaal leren gebruiken om patronen te vinden die een vroegtijdig waarschuwingssysteem voor uitbraken van door knaagdieren overgedragen ziekten kunnen informeren.

De meest risicovolle stelsels zijn soorten die snel volwassen worden, vroeg en vaak reproduceren en in noordelijke gematigde streken leven met een lage biodiversiteit.

Geografische gebieden met een grote diversiteit aan knaagdierreservoirs omvatten Noord-Amerika, de Atlantische kust van Zuid-Amerika, Europa, Rusland en delen van Centraal- en Oost-Azië. Voorspelde toekomstige hotspots van diversiteit aan knaagdierreservoirs strekten zich uit over arctische, gematigde, tropische en woestijnbiomen, waaronder China, Kazachstan en het middenwesten van de Verenigde Staten. Verwacht wordt dat een meerderheid van nieuwe reservoirs en hyperreservoirs in de bovenste breedtegraden zullen voorkomen.

Bevindingen bieden een basis voor gerichte surveillance-inspanningen, die van vitaal belang zijn gezien de kosten van monitoring voor opduikende infectieziekten.

In de release wordt opgemerkt dat de machine learning-technieken die in deze studie zijn toegepast, momenteel worden gebruikt om nieuwe vragen te onderzoeken, waaronder mogelijke reservoirs van ebolavirus en andere filovirussen.

Volledig artikel hier.