Uczenie maszynowe może wskazać gatunki gryzoni, które niosą choroby i gorące punkty geograficzne podatne na nowe pasożyty i patogeny. Zgłasza więc nowe badanie w Proceedings of the National Academy of Sciences prowadzona przez Barbarę A. Han, ekologa chorób z Cary Institute of Ecosystem Studies.

Większość pojawiających się chorób zakaźnych przenoszona jest ze zwierząt na ludzi, przy czym co roku cierpi ponad miliard ludzi. Ochrona zdrowia publicznego wymaga skutecznych narzędzi nadzoru.

Wraz z kolegami z University of Georgia Odum School of Ecology, Johnem Paulem Schmidtem, Sarah E. Bowden i Johnem M. Drake'em, Han zastosował uczenie maszynowe, formę sztucznej inteligencji, do ujawnienia wzorców w obszernym zestawie danych dotyczących ponad 2,000 gatunków gryzoni. , ze zmiennymi opisującymi historię życia, ekologię, zachowanie, fizjologię i rozmieszczenie geograficzne gatunku.

W publikacji Cary Institute podano, że zespół opracował model, który był w stanie przewidzieć znane gatunki gryzoni z 90-procentową dokładnością i zidentyfikował szczególne cechy, które odróżniają zbiorniki od innych niż zbiorniki. Odkryli ponad 150 nowych potencjalnych gatunków gryzoni i ponad pięćdziesiąt nowych hiper-rezerwuarów (zwierząt, które mogą przenosić wiele patogenów zakaźnych dla ludzi).

Łącząc dane ekologiczne i biomedyczne we wspólnej bazie danych, Barbara była w stanie wykorzystać uczenie maszynowe do znalezienia wzorców, które mogą informować system wczesnego ostrzegania o ogniskach chorób przenoszonych przez gryzonie.

Najbardziej ryzykowne gatunki zbiornikowe to te, które szybko dojrzewają, rozmnażają się wcześnie i często oraz żyją na północnych obszarach umiarkowanych o niskim poziomie różnorodności biologicznej.

Obszary geograficzne, w których stwierdzono dużą różnorodność zbiorników gryzoni, obejmowały Amerykę Północną, wybrzeże Atlantyku w Ameryce Południowej, Europę, Rosję oraz części Azji Środkowej i Wschodniej. Przewidywane przyszłe ogniska różnorodności zbiorników gryzoni obejmowały biomy arktyczne, umiarkowane, tropikalne i pustynne, w tym Chiny, Kazachstan i środkowo-zachodnie Stany Zjednoczone. Przewiduje się, że większość nowych gatunków rezerwuarowych i hiperzbiornikowych wystąpi na wyższych szerokościach geograficznych.

Wyniki stanowią podstawę do ukierunkowanych działań nadzorczych, które są niezbędne, biorąc pod uwagę koszty monitorowania pojawiających się chorób zakaźnych.

W wydaniu odnotowano, że techniki uczenia maszynowego zastosowane w tym badaniu są obecnie wykorzystywane do badania nowych pytań, w tym potencjalnych rezerwuarów wirusa Ebola i innych filowirusów.

Pełny artykuł tutaj.