新しい出版物
人工知能が南アジアでのマラリア発生を予測
最後に見直したもの： 02.07.2025
すべてのiLiveコンテンツは、可能な限り事実上の正確さを保証するために医学的にレビューまたは事実確認されています。
厳格な調達ガイドラインがあり、評判の良いメディアサイト、学術研究機関、そして可能であれば医学的に査読された研究のみにリンクしています。 かっこ内の数字（[1]、[2]など）は、これらの研究へのクリック可能なリンクです。
当社のコンテンツのいずれかが不正確、期限切れ、またはその他の疑問があると思われる場合は、それを選択してCtrl + Enterキーを押してください。
NDORMSの研究者たちは、国際機関と協力し、環境測定とディープラーニングモデルを用いて南アジアにおけるマラリアの発生を予測する可能性を実証しました。この研究は、世界で最も致死率の高い病気の一つであるマラリアの早期警戒システムの改善に向けた明るい展望を示しています。
マラリアは依然として深刻な世界的健康問題であり、特にアフリカと南アジアでは世界人口の約半数が感染リスクにさらされています。マラリアは予防可能ですが、気候、社会人口学的、環境的リスク要因の変動性により、発生予測は困難です。
オックスフォード大学NDORMS惑星保健情報科学グループのサラ・カリド准教授が率いる研究チームは、ラホール経営科学大学と共同で、この問題に取り組み、環境ベースの機械学習アプローチがマラリアの場所固有の早期警報ツールの可能性を提供できるかどうかを調査しようとした。
彼らは、パキスタン、インド、バングラデシュにまたがる南アジア地域でのマラリア発生率を予測するために、気温、降雨量、植生測定値、夜間光データなどの環境指標を同時に分析する多変量 LSTM (M-LSTM) モデルを開発しました。
データは、米国国際開発庁の人口保健調査データセットから入手した、2000年から2017年までの各国の地区レベルのマラリア発生率と比較された。
『The Lancet Planetary Health』に掲載された結果によると、提案された M-LSTM モデルは、パキスタン、インド、バングラデシュでそれぞれ 94.5%、99.7%、99.8% 低いエラーで、従来の LSTM モデルを一貫して上回っていることが示されています。
全体的に、モデルの複雑さが増すにつれて精度が向上し、エラーが減少し、このアプローチの有効性が強調されました。
サラは次のように説明した。「このアプローチは一般化可能であり、私たちのモデル化は公衆衛生政策に大きな意味を持ちます。例えば、他の感染症にも適用できるほか、アフリカのWHO管轄地域においてマラリア罹患率と死亡率が不均衡に高い他の高リスク地域にも適用できる可能性があります。意思決定者がマラリアのアウトブレイクを早期かつ正確に管理するための、より積極的な対策を実施するのに役立つ可能性があります。」
真の魅力は、地球観測、ディープラーニング、AIの急速な進歩、そして高性能コンピュータの利用可能性により、地球上のほぼあらゆる場所で分析が可能になったことです。これは、マラリア根絶と世界的な公衆衛生の向上に向けた継続的な取り組みにおいて、より的を絞った介入とより適切な資源配分につながる可能性があります。