Новый ИИ-инструмент предсказывает возраст комаров с точностью 98% для ускорения исследований малярии

Использование методов машинного обучения для предсказания возраста комаров из разных популяций может сократить время исследований малярии и улучшить программы эпиднадзора, говорится в новом исследовании, опубликованном в BMC Bioinformatics.

Знание возраста комара помогает учёным понять его потенциал к распространению малярии, но существующие инструменты для этого дороги, трудоёмки и часто подвержены человеческим ошибкам.

По данным Всемирной организации здравоохранения (WHO), на африканский регион в 2021 году пришлось около 95% из 247 миллионов случаев малярии в мире. Учёные подчёркивают, что внедрение инновационных инструментов для контроля комаров — ключ к ликвидации болезни.

Исследование было направлено на штаммы комаров, выращенные в лабораториях Института здравоохранения Ифакара в Танзании и Университета Глазго в Шотландии. Используя аналитический инструмент — инфракрасную спектроскопию, — исследователи зафиксировали биохимический состав комаров и применили машинное обучение (форму искусственного интеллекта, ИИ) для обучения моделей предсказания возраста.

Эммануэль Мванга, ведущий автор исследования и научный сотрудник Института Ифакара, отмечает, что машинное обучение — более эффективная альтернатива существующим трудоёмким и дорогим инструментам.

Основная проблема, которую решает исследование, — сложность точного определения возраста комаров из разных мест и видов. Важно тестировать выводы на комарах из разных мест и видов.

Учёные подчёркивают необходимость дальнейших исследований, так как в работе изучался только один конкретный вид комара — Anopheles arabiensis — из двух стран.

Результаты показывают, что модели машинного обучения повысили точность предсказаний для комаров одного возраста примерно до 98%.

По словам Мванги, меры по борьбе с малярией можно улучшить, если учёные точнее будут определять возраст, предпочтения в хозяевах и виды переносчиков малярии.

Старые комары с большей вероятностью передают малярию, чем молодые, а комары, предпочитающие питаться людьми, — с большей вероятностью, чем те, что предпочитают других животных. Изучение этих характеристик жизненно важно для борьбы с болезнью.

Точное предсказание этих факторов может помочь выявить популяции высокого риска и более эффективно направлять меры вмешательства. Использование методов машинного обучения может «сэкономить время и ресурсы для других аспектов борьбы с малярией».

Исследователи заключают, что искусственный интеллект можно использовать для определения возраста комаров из разных популяций. Это может помочь энтомологам сократить время и объём работ, необходимых для препарирования большого количества комаров.

В целом, эти подходы могут улучшить программы эпиднадзора, например, оценку воздействия средств борьбы с переносчиками малярии путём мониторинга возрастной структуры местных популяций комаров.

Фрэнк Мусса, руководитель отдела исследований и разработок в Tanzanian-based Afya Intelligence, отмечает, что внедрение этих результатов в меры по борьбе с малярией может улучшить планирование таких вмешательств, упростить распределение ресурсов и помочь в разработке стратегических планов по ликвидации малярии в Танзании.