Kolerautbrott: klimatdata från satelliter runt jorden i kombination med maskininlärningstekniker hjälper till att bättre förutsäga utbrott av kolera och potentiellt rädda liv.

Kolera är en vattenburen sjukdom som orsakas av intag av vatten eller mat som är kontaminerad med bakterien Vibrio cholerae, som finns i många kustregioner runt om i världen, särskilt i tätbefolkade tropiska områden.

Kolerautbrott, ESA länkar artificiell intelligens och kunskap om möjliggörande miljöer

Den ansvarsfulla patogenen lever vanligtvis under varma temperaturer, måttlig salthalt och grumlighet och kan skyddas av plankton och detritus i vattnet.

Global uppvärmning och en ökning av extrema väderhändelser driver utbrott av kolera - en sjukdom som drabbar 1.3 till 4 miljoner människor varje år världen över och orsakar upp till 143 000 dödsfall.

En ny studie visar hur kolerautbrott i Indiens kustregioner kan förutsägas med en framgångsgrad på 89%, i den första demonstrationen av att använda havsytasalt för att förutsäga kolera.

Forskningen som publicerades igår i International Journal of Environmental Research and Public Health fokuserar på att förutsäga utbrott av kolera runt norra Indiska oceanen, där mer än hälften av globala fall av sjukdomen rapporterades under perioden 2010-16.

Förhållandet mellan miljödrivarna för koleraincidensen är komplex och varierar säsongsmässigt med olika eftersläpna effekter, till exempel från monsonsäsongen.

Maskininlärningsalgoritmer kan hjälpa till att övervinna dessa problem genom att lära sig känna igen mönster i stora datamängder för att göra testbara förutsägelser.

Studien av kolerautbrottet leddes av Amy Campbell under ett års praktikplats vid ESAs klimatkontor.

Amy, tillsammans med sina medförfattare vid Plymouth Marine Laboratory (PML), använde en maskininlärningsalgoritm populär i miljövetenskapliga applikationer - den slumpmässiga skogsklassificeringen - som kan känna igen mönster över långa datamängder och göra testbara förutsägelser.

Algoritmen utbildades om sjukdomsutbrott som rapporterats i kustdistrikten i Indien mellan 2010 och 2018 och lärde sig förhållandena med sex satellitbaserade klimatregister genererade av ESA: s klimatförändringsinitiativ (CCI).

Genom att inkludera eller ta bort miljövariabler och underinställning för olika årstider identifierade algoritmen nyckelvariabler för att förutsäga kolerautbrott som landytemperatur, havsytasalt, klorofyll-a-koncentration och havsnivåskillnad från genomsnittet (havsnivåavvikelse)

Amy Campbell sa, ”Modellen visade lovande resultat, och det finns mycket utrymme för att utveckla detta arbete med olika koleraövervakningsdataset eller på olika platser.

I vår studie testade vi olika maskininlärningstekniker och fann att den slumpmässiga skogsklassificeringen var bäst, men det finns mycket fler tekniker som kan undersökas.

”Det skulle vara intressant att testa effekterna av att inkludera socioekonomiska datamängder; fjärranalysdata kan användas för att utveckla register för att ta hänsyn till mänskliga faktorer som är viktiga för koleraincidensen, såsom tillgång till vattenresurser. ”

Studien och dess nya insikter har bidragit till UKRI-NERC Pathways Of Dispersal for Cholera And Solution Tools (PODCAST) -projektet ledd av medförfattare Marie-Fanny Racault vid PML, som utvärderar effekterna av klimatuppvärmning och extrema klimat på livsmiljöer lämplig för Vibrio cholerae.

Resultaten från studien kommer att demonstreras vid UNFCCC: s COP26-möte 2021 via ett webbaserat prognosverktyg som en del av PODCAST-DEMO-projektet.

Detta stöds av det gemensamma programmet ESA-Future Earth och genomförs i samarbete med Future Earths Health Knowledge-Action-nätverk.

Europeiska rymdorganisationen leder upptäckt av nya kolerautbrott, publicerad studie

ijerph-17-09378-v2

Läs också: 

COVID-19 droger, rättegången mot Remdesivir fortsätter på den internationella rymdstationen

Läs den italienska artikeln

Källa:

ESA: s officiella webbplats