Шагас особенно неприятен, потому что большинство людей, у которых он есть, не знают, что они инфицированы. Но по данным Центров по контролю и профилактике заболеваний, от 20 до 30 процентов из 8 миллионов человек с болезнью Шагаса во всем мире в какой-то момент заболевают нарушениями сердечного ритма, которые могут привести к внезапной смерти; расширенные сердца, которые не могут эффективно перекачивать кровь; или расширенный пищевод или толстая кишка.
Заболевание чаще всего возникает, когда триатоминовые клопы, более известные как «целующиеся клопы», кусают людей и передают паразита Trypanosoma cruzi в их кровоток. Шагас наиболее распространен в сельских районах Мексики, Центральной Америки и Южной Америки.
Недавняя инициатива KU, получившая название Virtual Vector Project, была направлена на то, чтобы дать возможность чиновникам здравоохранения идентифицировать триатомины, которые переносят Шагаса со своими смартфонами, используя своего рода портативную фотостудию для фотографирования жуков.
Теперь аспирант Университета Калифорнийского университета (KU) построил этот проект с помощью исследования, подтверждающего концепцию, показывающего, что искусственный интеллект может распознавать 12 мексиканских и 39 бразильских видов целующихся жуков с высокой точностью, анализируя обычные фотографии – преимущество для чиновников, стремящихся сократить распространение болезни Шагаса.
Али Халигифар, докторант КУ Института биоразнообразия и кафедры экологии и эволюционной биологии, возглавил команду, которая только что опубликовала результаты в Journal of Medical Entomology. Чтобы идентифицировать целующихся жучков на обычных фотографиях, Халигфар и его коллеги работали с открытым исходным кодом, программным обеспечением для глубокого обучения от Google под названием TensorFlow, которое похоже на технологию, лежащую в основе обратного поиска изображений Google.
"Поскольку эта модель способна понять на основе оттенков и цветов пикселей, что входит в одно изображение, она может извлекать информацию и анализировать ее так, как модель может понять, – а затем вы даете им другие изображения для тестирования. и он может идентифицировать их с действительно хорошей степенью идентификации ", – сказал Халигифар. "Это без предварительной обработки – вы просто начинаете с необработанных изображений, и это здорово. Это была цель. Раньше невозможно было сделать то же самое с такой же точностью и уж точно не без предварительной обработки изображений."
Халигифар и его соавторы – Эд Комп, исследователь Центра информационных и телекоммуникационных технологий КУ, Джанин М. Рэмси из Мексиканского Института Насьональ де Салуд Публика, Родриго Гургель-Гонсалвес из Бразильского Университета Бразилии и А. Таунсенд Петерсон, заслуженный профессор экологии и эволюционной биологии и старший куратор Института биоразнообразия Университета штата Калифорния, обучил свой алгоритм с 405 изображениями мексиканских видов триатомов и 1584 изображениями бразильских видов триатомов.
Поначалу команде удалось добиться «83».0 и 86.7 процентов правильных идентификаций среди всех мексиканских и бразильских видов, соответственно, что лучше сопоставимых показателей статистических классификаторов », – пишут они. Но после добавления в алгоритм информации о географическом распределении целующихся ошибок исследователи повысили точность идентификации до 95.8% для мексиканских видов и 98%.9 процентов для бразильских видов.
По словам Халигифара, технология, основанная на алгоритмах, может позволить должностным лицам общественного здравоохранения и другим лицам определять виды триатомов с беспрецедентным уровнем точности, чтобы лучше понимать переносчиков болезней на местах.
«В будущем мы надеемся разработать приложение или веб-платформу этой модели, которая постоянно обучается на основе новых изображений, поэтому она постоянно обновляется, что обеспечивает высококачественную идентификацию для любого заинтересованного пользователя в режиме реального времени, " он сказал.
Халигифар теперь применяет аналогичный подход с использованием TensorFlow для мгновенной идентификации комаров по звукам их крыльев и лягушек по их крикам.
«Я сейчас работаю над записями комаров», – сказал он. "Я перешел от обработки изображений к обработке сигналов записи взмахов крыльев комаров. Мы получаем записи комаров с помощью обычного мобильного телефона, а затем преобразуем их из записей в изображения сигналов.
Затем мы используем TensorFlow для определения вида комаров. Другой проект, над которым я сейчас работаю, – это лягушки с доктором. Рэйф Браун из Института биоразнообразия. И мы разрабатываем ту же систему для идентификации этих видов на основе запросов, данных каждым видом."
Хотя часто искусственный интеллект обычно изображается как угроза убийства рабочих мест или даже как угроза существованию человечества, Халигифар сказал, что его исследование показало, как ИИ может быть благом для ученых, изучающих биоразнообразие.
«Это потрясающе – ИИ действительно способен на все, к лучшему или к худшему», – сказал он. "Иногда появляются пугающие вещи, например, узнавать мусульманские лица на улице. Представьте себе, если мы сможем идентифицировать лягушек или комаров, насколько легко будет распознавать человеческие голоса.
Итак, у ИИ, безусловно, есть темные стороны. Но это исследование показывает положительное применение ИИ – мы пытаемся использовать хорошие стороны этой технологии для содействия сохранению биоразнообразия и поддержки работы в области общественного здравоохранения."