Tot conținutul iLive este revizuit din punct de vedere medical sau verificat pentru a vă asigura cât mai multă precizie de fapt.
Avem linii directoare de aprovizionare stricte și legătura numai cu site-uri cu reputație media, instituții de cercetare academică și, ori de câte ori este posibil, studii medicale revizuite de experți. Rețineți că numerele din paranteze ([1], [2], etc.) sunt link-uri clickabile la aceste studii.
Dacă considerați că oricare dintre conținuturile noastre este inexactă, depășită sau îndoielnică, selectați-o și apăsați pe Ctrl + Enter.
Inteligența artificială prezice focarele de malarie din Asia de Sud
Ultima examinare: 02.07.2025
Cercetătorii de la NDORMS, în colaborare cu instituții internaționale, au demonstrat potențialul utilizării măsurătorilor de mediu și a modelelor de învățare profundă pentru a prezice focarele de malarie în Asia de Sud. Studiul oferă perspective încurajatoare pentru îmbunătățirea sistemelor de avertizare timpurie pentru una dintre cele mai mortale boli din lume.
Malaria rămâne o problemă semnificativă de sănătate la nivel global, aproximativ jumătate din populația lumii fiind expusă riscului de infecție, în special în Africa și Asia de Sud. Deși malaria poate fi prevenită, natura variabilă a factorilor de risc climatici, sociodemografici și de mediu face dificilă prezicerea focarelor.
O echipă de cercetători condusă de profesorul asociat Sarah Khalid de la Grupul NDORMS de Informatică Planetară pentru Sănătate, Universitatea din Oxford, în colaborare cu Universitatea de Științe Management din Lahore, a căutat să abordeze această problemă și să investigheze dacă o abordare de învățare automată bazată pe mediu ar putea oferi potențialul pentru instrumente de avertizare timpurie specifice locului pentru malarie.
Ei au dezvoltat un model LSTM multivariat (M-LSTM) care a analizat simultan parametrii de mediu, inclusiv temperatura, precipitațiile, măsurătorile vegetației și datele privind lumina nocturnă, pentru a prezice incidența malariei într-o zonă din Asia de Sud care se întinde pe Pakistan, India și Bangladesh.
Datele au fost comparate cu ratele de incidență a malariei la nivel de district pentru fiecare țară între 2000 și 2017, obținute din seturile de date ale Sondajelor Demografice și de Sănătate ale Agenției Statelor Unite pentru Dezvoltare Internațională.
Rezultatele, publicate în The Lancet Planetary Health, arată că modelul M-LSTM propus depășește în mod constant modelul LSTM tradițional, cu erori cu 94,5%, 99,7% și, respectiv, 99,8% mai mici pentru Pakistan, India și Bangladesh.
Per total, s-au obținut o precizie mai mare și erori reduse odată cu creșterea complexității modelului, subliniind eficacitatea abordării.
Sarah a explicat: „Această abordare este generalizabilă, așadar modelarea noastră are implicații semnificative pentru politica de sănătate publică. De exemplu, ar putea fi aplicată altor boli infecțioase sau extinsă la alte zone cu risc ridicat, cu morbiditate și mortalitate cauzate de malarie disproporționat de ridicate în regiunile OMS din Africa. Ar putea ajuta factorii de decizie să implementeze măsuri mai proactive pentru a gestiona focarele de malarie din timp și cu precizie.”
„Adevăratul atractivitate constă în capacitatea de a analiza practic oriunde pe Pământ, datorită progreselor rapide în observarea Pământului, învățării profunde și inteligenței artificiale, precum și a disponibilității computerelor de înaltă performanță. Acest lucru ar putea duce la intervenții mai precise și la o mai bună alocare a resurselor în efortul continuu de eradicare a malariei și de îmbunătățire a rezultatelor în materie de sănătate publică la nivel mondial.”