Sztuczna inteligencja usprawnia identyfikację komarów na potrzeby lepszej kontroli chorób
Miliony ludzi na całym świecie ulega zakażeniu chorobami przenoszonymi przez komary, co skutkuje tysiącami zgonów, utratą dochodów z powodu złego stanu zdrowia i obciążeniem krajowych systemów opieki zdrowotnej. Najnowsze dowody sugerują, że na skutek zmian klimatu w Europie pojawia się coraz więcej chorób przenoszonych przez komary. Kompleksowe próby rozwiązania tego problemu opierają się zazwyczaj na dokładnych informacjach na temat populacji komarów w danym obszarze, które zwykle wymagają okresowej ręcznej kontroli pułapek. Zespół projektu REMOSIS opracował inteligentne pułapki, które pozwolą obniżyć koszty badania i znacznie przyspieszą ten proces. Urządzenie o nazwie BG-Eye z powodzeniem wykorzystuje procesy uczenia maszynowego do rozróżniania poszczególnych gatunków komarów, wykrywania gatunków o szczególnym znaczeniu (takich jak wektory chorób inwazyjnych) oraz identyfikacji płci w obrębie tego samego gatunku, co zapewnia informacje niezbędne do podjęcia skutecznych działań zapobiegawczych. Nie wszystkie gatunki są sobie równe Nie każdy gatunek komara jest równie interesujący dla naukowców, zwłaszcza gdy chodzi o badanie gatunków inwazyjnych lub procesów przenoszenia pewnych chorób. Dlatego ważne jest, aby móc je odróżnić. Dotychczas wymagało to przetransportowania złapanych w pułapki komarów do laboratoriów w celu ich ręcznej identyfikacji. Proces ten jest czasochłonny i drogi, a przy tym mało precyzyjny z powodu częstych błędów ludzkich. Opracowane w ramach finansowanego ze środków UE projektu REMOSIS urządzenie (BG-Eye) wykorzystuje sztuczną inteligencję (AI) do ciągłego usprawniania identyfikacji gatunków będących przedmiotem zainteresowania, ucząc się na podstawie przeszłych doświadczeń. Jak wyjaśnia koordynator projektu, dr Andreas Rose: „Podstawowe szkolenie odbywa się w laboratorium przy wykorzystaniu komarów laboratoryjnych – urządzenie uczy się rozpoznawać gatunki docelowe. Następnie jest ono wprowadzane w terenie, gdzie testowane są jego funkcje identyfikacji w celu ich dostosowania w razie potrzeby. Dzięki temu urządzenie może wykorzystać informacje, które pozyskało samodzielnie. Ważnym aspektem urządzenia BG-Eye jest to, że może ono współpracować z dostępnymi w handlu pułapkami na komary zasilanymi wentylatorem. Oznacza to, że można je z powodzeniem stosować równolegle ze standardowymi narzędziami do monitorowania komarów. Do tej pory podobne technologie działały jedynie w konfiguracjach laboratoryjnych, gdzie komary znajdowały się poza strumieniem powietrza pułapki na komary. Moduł detektora BG-Eye stanowi ulepszoną wersję dostępnego na rynku urządzenia o nazwie BG-Counter, które rozróżnia komary i inne owady po zassaniu ich do pułapki przez cienką barierę świetlną. Jednak sygnał wynikowy jest zbyt krótki, by odróżnić gatunki komarów, dlatego zespół projektu REMOSIS skoncentrował się na wydłużeniu sygnału i zwiększeniu liczby punktów danych, co oznaczało, że owady musiały być skanowane dłużej, niż początkowo przewidywano. Ulepszenie okazało się sukcesem, jak wspomina dr Rose, „niespodzianką, przynajmniej dla biologów z zespołu, była precyzja, z jaką sztuczna inteligencja oddzielała gatunki, które wizualnie trudno odróżnić. Po zasileniu algorytmów uczenia maszynowego większą ilością danych system nauczył się rozróżniać dwa gatunki Anopheles, które do tej pory można było odróżnić wyłącznie za pomocą metod molekularnych. Wzmocnienie systemu odpornościowego społeczeństwa Monitorowanie potencjalnych wektorów chorób stanowi w istocie metodę ochrony systemu odpornościowego społeczeństwa, przy czym prędkość wykrywania zagrożeń skutkuje szybszą kontrolą danego zagrożenia. Jak podsumowuje dr Rose: „dzięki urządzeniu opracowanemu w ramach projektu REMOSIS nadzór i monitorowanie komarów przenoszących wektory chorób będzie szybsze i będzie zapewniać wiarygodne informacje niemal w czasie rzeczywistym. Pozwala to na wysoce skoncentrowane, wydajne działania kontrolne, przy znacznie mniejszych kosztach, znacznie krótszych czasach reakcji i mniejszym wpływie na środowisko”. Obecnie zespół pracuje na maksymalnie pięciu prototypach posiadających pełną funkcjonalność finalnego produktu. Urządzenia te będą wysyłane do różnych partnerów na całym świecie w celu zbierania komarów w różnych siedliskach i środowiskach. Dla każdego zbioru zostanie pozyskany typowy podpis elektroniczny owadów, a procesy uczenia maszynowego, algorytmy i sztuczna inteligencja będą wykorzystywane do kalibracji technologii. Gdy ilość danych w bibliotece sygnatur komarów wzrośnie, rozpoczną się badania w bardziej złożonych siedliskach z wieloma różnymi gatunkami komarów.
Słowa kluczowe
REMOSIS, komar, malaria, choroby, wektory, Zika, denga, sztuczna inteligencja, uczenie maszynowe, algorytm, gatunki, owady, identyfikacja
