17/12/2020
5761 vistes
80 m’agrada
Les dades climàtiques extretes de satèl·lits que orbiten la Terra, combinades amb tècniques d’aprenentatge automàtic, ajuden a predir millor els brots de còlera i, potencialment, a salvar vides.
El còlera és una malaltia transmesa per l’aigua causada per la ingestió d’aigua o aliments contaminats amb el bacteri Vibrio cholerae, que es pot trobar a moltes regions costaneres del món, especialment a les zones tropicals densament poblades. El patogen responsable generalment viu a temperatures càlides, salinitat moderada i terbolesa, i pot ser acollit per plàncton i detritus a l’aigua.
L’escalfament global i l’augment dels fenòmens meteorològics extrems estan provocant brots de còlera, una malaltia que afecta 1,3 a 4 milions de persones cada any a tot el món i que provoca fins a 143.000 morts. Un nou estudi mostra com es poden predir els brots de còlera a les regions costaneres de l’Índia amb una taxa d’èxit del 89%, en la primera demostració d’utilitzar la salinitat de la superfície del mar per predir el còlera.
La investigació publicat ahir al Revista Internacional d’Investigacions Ambientals i Salut Pública se centra a predir brots de còlera al nord de l’Oceà Índic, on es van informar més de la meitat dels casos mundials de la malaltia durant el període 2010-16.
La relació entre els factors ambientals de la incidència del còlera és complexa i varia segons la temporada, amb diferents efectes endarrerits, per exemple a partir de la temporada del monsó. Els algoritmes d’aprenentatge automàtic poden ajudar a superar aquests problemes aprenent a reconèixer patrons en grans conjunts de dades per fer prediccions contrastables.
L’estudi va ser dirigit per Amy Campbell durant un any de pràctiques de postgrau amb l’ESA Climate Office. Amy, juntament amb els seus coautors del Plymouth Marine Laboratory (PML), van utilitzar un algoritme d’aprenentatge automàtic popular en aplicacions de ciències ambientals, el classificador aleatori de boscos, que pot reconèixer patrons a llargs conjunts de dades i fer prediccions contrastables.
L’algorisme es va formar sobre els brots de malalties reportats als districtes costaners de l’Índia entre el 2010 i el 2018 i va aprendre les relacions amb sis registres climàtics basats en satèl·lits generats per Iniciativa de canvi climàtic de l’ESA (CCI).
En incloure o eliminar variables ambientals i subconjunt per a diferents estacions, l’algoritme va identificar variables clau per predir els brots de còlera com la temperatura superficial del terreny, la salinitat superficial del mar, la concentració de clorofil-a i la diferència del nivell del mar respecte a la mitjana (anomalia del nivell del mar).
Amy Campbell va dir: “El model va mostrar resultats prometedors i hi ha molt marge per desenvolupar aquest treball mitjançant diferents conjunts de dades de vigilància del còlera o en diferents ubicacions. En el nostre estudi, vam provar diferents tècniques d’aprenentatge automàtic i vam trobar que el classificador forestal aleatori era el millor, però hi ha moltes més tècniques que es podrien investigar.
“Seria interessant provar l’impacte d’incloure conjunts de dades socioeconòmics; es podrien utilitzar dades de teledetecció per desenvolupar registres que tinguin en compte els factors humans que són importants per a la incidència del còlera, com ara l’accés als recursos hídrics “.
L’estudi i els seus nous coneixements han contribuït a les vies de dispersió UKRI-NERC per al còlera i les eines de solucions (PODCAST) Projecte dirigit per la coautora Marie-Fanny Racault a PML, que avalua l’impacte de l’escalfament climàtic i els extrems climàtics en hàbitats adequats per a Vibrio cholerae.
Els resultats de l’estudi es demostraran a la reunió COP26 de la CMNUCC el 2021 mitjançant una eina de predicció basada en web com a part de la PODCAST-DEMO projecte. Això està recolzat per Programa conjunt ESA-Future Earth i realitzat en col·laboració amb Future Earth’s Xarxa d’Acció Coneixement de la Salut.
