机器学习可以查明含有疾病和地理热点的啮齿动物物种，这些物种易受新寄生虫和病原体的侵害。 所以报道了一项新的研究 诉讼中的国家科学院院士 卡里生态系统研究所的疾病生态学家Barbara A. Han领导。

大多数新出现的传染病是从动物传播给人类的，每年有超过十亿人遭受痛苦。 维护公共健康需要有效的监视工具。

在佐治亚大学奥丹姆大学生态学院的同事约翰·保罗·施密特，莎拉·E·鲍登和约翰·M·德雷克的带领下，汉利用机器学习（一种人工智能形式）在大量有关2,000多种啮齿类动物的数据中揭示了模式，其中包含描述物种的生活史，生态，行为，生理和地理分布的变量。

Cary Institute的一份报告报告说，该团队开发了一种模型，该模型能够以90％的准确度预测已知的啮齿动物储层物种，并识别出区分储层和非储层的特定特征。 他们发现了150多种新的潜在啮齿动物水库物种和XNUMX多种新的超级水库（可能携带多种对人类具有传染性的病原体的动物）。

通过将生态和生物医学数据合并到一个公共数据库中，Barbara能够使用机器学习来找到可为啮齿动物传播的疾病暴发提供预警系统的模式。

最危险的水库物种是那些迅速成熟，早期和经常繁殖，生活在北部温带地区，生物多样性水平低的地区。

发现的啮齿动物储集层多样性很高的地理区域包括北美，南美的大西洋沿岸，欧洲，俄罗斯以及中亚和东亚的部分地区。 啮齿动物储集层多样性的未来预测热点跨越北极，温带，热带和沙漠生物群落，包括中国，哈萨克斯坦和美国中西部。 预计大多数新的储层和超储层物种将发生在高纬度地区。

研究结果为有针对性的监测工作提供了基础，鉴于新型传染病的监测成本，这些工作至关重要。

该发行版指出，这项研究中应用的机器学习技术目前正在用于探索新问题，包括埃博拉病毒和其他丝状病毒的潜在库。

文章全文 点击此处.