Весь контент iLive перевіряється медичними експертами, щоб забезпечити максимально можливу точність і відповідність фактам.
У нас є строгі правила щодо вибору джерел інформації та ми посилаємося тільки на авторитетні сайти, академічні дослідницькі інститути і, по можливості, доведені медичні дослідження. Зверніть увагу, що цифри в дужках ([1], [2] і т. д.) є інтерактивними посиланнями на такі дослідження.
Якщо ви вважаєте, що який-небудь з наших матеріалів є неточним, застарілим або іншим чином сумнівним, виберіть його і натисніть Ctrl + Enter.
Штучний інтелект прогнозує спалахи малярії в Південній Азії
Останній перегляд: 02.07.2025
">Дослідники з NDORMS у співпраці з міжнародними установами продемонстрували потенціал використання вимірювань навколишнього середовища та моделей глибокого навчання для прогнозування спалахів малярії в Південній Азії. Дослідження пропонує обнадійливі перспективи для вдосконалення систем раннього попередження про одну з найсмертоносніших хвороб у світі.
Малярія залишається значною глобальною проблемою охорони здоров'я, оскільки приблизно половина населення світу перебуває під ризиком зараження, особливо в Африці та Південній Азії. Хоча малярії можна запобігти, мінливий характер кліматичних, соціально-демографічних та екологічних факторів ризику ускладнює прогнозування спалахів.
Команда дослідників під керівництвом доцента Сари Халід з Групи планетарної медичної інформатики NDORMS Оксфордського університету у співпраці з Лахорським університетом управлінських наук прагнула вирішити цю проблему та дослідити, чи може підхід до машинного навчання, заснований на навколишньому середовищі, запропонувати потенціал для створення інструментів раннього попередження про малярію, орієнтованих на конкретне місце.
Вони розробили багатовимірну модель LSTM (M-LSTM), яка одночасно аналізувала екологічні показники, включаючи температуру, кількість опадів, вимірювання рослинності та дані про нічне освітлення, для прогнозування захворюваності на малярію в південноазіатському поясі, що охоплює Пакистан, Індію та Бангладеш.
Дані порівняли з показниками захворюваності на малярію на рівні районів для кожної країни між 2000 і 2017 роками, отриманими з наборів даних демографічних та медичних досліджень Агентства США з міжнародного розвитку.
Результати, опубліковані в журналі The Lancet Planetary Health, показують, що запропонована модель M-LSTM послідовно перевершує традиційну модель LSTM, маючи на 94,5%, 99,7% та 99,8% менші похибки для Пакистану, Індії та Бангладеш відповідно.
Загалом, зі збільшенням складності моделі було досягнуто вищої точності та зменшення кількості помилок, що підкреслює ефективність цього підходу.
Сара пояснила: «Цей підхід є узагальнюваним, тому наше моделювання має значні наслідки для політики громадського здоров’я. Наприклад, його можна застосувати до інших інфекційних захворювань або поширити на інші райони високого ризику з непропорційно високою захворюваністю та смертністю від малярії в регіонах ВООЗ в Африці. Це може допомогти особам, які приймають рішення, впроваджувати більш проактивні заходи для раннього та точного управління спалахами малярії».
«Справжня привабливість полягає в можливості аналізувати практично будь-де на Землі завдяки швидкому прогресу в спостереженні за Землею, глибокому навчанні та штучному інтелекті, а також наявності високопродуктивних комп’ютерів. Це може призвести до більш цілеспрямованих втручань та кращого розподілу ресурсів у постійних зусиллях щодо викорінення малярії та покращення результатів охорони здоров’я в усьому світі».