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： 14.06.2024
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 の研究者らは、国際機関と協力して、環境測定とディープラーニングの使用の可能性を実証しました。南アジアにおけるマラリアの発生を予測するモデル。この研究は、世界で最も致命的な病気の 1 つに対する早期警告システムの改善に有望な見通しを示しています。
マラリアは依然として重大な世界的健康問題であり、感染リスクは世界人口の約半数、特にアフリカと南アジアに影響を与えています。マラリアは予防可能ですが、気候、社会人口統計、環境リスク要因の変動性により、発生の予測は困難です。
オックスフォード大学 NDORMS 惑星保健情報学グループの Sarah Khalid 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、この問題を解決し、環境ベースの機械学習アプローチがマラリアのサイト固有の早期警告ツールの可能性を提供できるかどうかを検討しました。
彼らは、パキスタン、インド、バングラデシュを含む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、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 モデル (M-LSTM) を開発しました。
データは、米国国際開発庁の人口動態・健康調査データセットから取得した、2000 年から 2017 年までの各国の郡レベルのマラリア発生率と比較されました。
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% の誤差で、従来の LSTM モデルを一貫して上回っています。
全体的に、モデルの複雑さが増すにつれて、より高い精度と誤差の削減が達成され、このモデルの有効性が強調されました。
サラは次のように説明しました。「このアプローチは普遍的であるため、私たちのモデリングは公衆衛生政策に大きな意味を持ちます。たとえば、他の感染症に適用したり、アフリカの地域でマラリアの発症率と死亡率が不釣り合いに高い他の高リスク地域に拡大したりできます。これにより、意思決定者はマラリアの発生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できます。
「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、および高性能コンピューターの利用可能性により、地球上のほぼどこでも分析できることにあります。これにより、マラリアの根絶に向けた進行中の取り組みにおいて、より的を絞った介入とリソースのより適切な割り当てが可能になり、世界中の公衆衛生の結果が改善される可能性があります。」