Brazylijscy naukowcy opracowali program komputerowy, który lokalizuje baseny i zbiorniki wodne na dachach na zdjęciach lotniczych za pomocą sztucznej inteligencji, aby pomóc zidentyfikować obszary podatne na inwazję przez Aedes aegypti komar przenoszący dengę, zika, chikungunya i żółtą febrę.
Innowacja, która może być również wykorzystana jako narzędzie polityki publicznej do dynamicznego mapowania społeczno-gospodarczego obszarów miejskich, jest wynikiem prac badawczo-rozwojowych prowadzonych przez profesjonalistów z Uniwersytetu w Sao Paulo (USP), Federalnego Uniwersytetu Minas Gerais (UFMG). oraz Nadzór Kontroli Endemicznej Departamentu Zdrowia Stanu São Paulo (SUCEN), w ramach projektu wspieranego przez FAPESP. Artykuł na ten temat został opublikowany w czasopiśmie PLOS ONE.
"Nasza praca początkowo polegała na stworzeniu modelu opartego na zdjęciach lotniczych i informatyce do wykrywania zbiorników wodnych i basenów oraz wykorzystania ich jako wskaźnika społeczno-ekonomicznego.”
Francisco Chiaravalloti Neto, ostatni autor artykułu
Jest profesorem na Wydziale Epidemiologii w Szkole Zdrowia Publicznego (FSP) USP, z dyplomem pierwszego stopnia inżyniera.
Jak zauważono w artykule, wcześniejsze badania wykazały, że denga jest zwykle najbardziej rozpowszechniona na ubogich obszarach miejskich, więc zapobieganie dendze, zika i innym chorobom przenoszonym przez komary może być znacznie skuteczniejsze dzięki zastosowaniu stosunkowo dynamicznego model mapowania gospodarczego, zwłaszcza biorąc pod uwagę długi odstęp między spisami ludności w Brazylii (dziesięć lat lub więcej).
„To jeden z pierwszych kroków w szerszym projekcie” – powiedział Chiaravalloti Neto. Wśród innych celów, on i jego zespół planują wykryć inne elementy obrazów i określić ilościowo rzeczywiste wskaźniki porażenia w określonych obszarach, aby móc udoskonalić i zweryfikować model.
„Chcemy stworzyć schemat blokowy, który będzie można wykorzystać w różnych miastach, aby wskazać obszary ryzyka bez potrzeby wzywania inspektorów do domów, budynków i innych miejsc lęgowych, ponieważ jest to czasochłonne i marnuje pieniądze podatników ,” on dodał.
Nauczanie maszynowe
W poprzednim badaniu wykorzystano sztuczną inteligencję (AI) do wykrywania zbiorników wodnych i basenów w Belo Horizonte, stolicy stanu Minas Gerais. Naukowcy najpierw przedstawili zdjęcia satelitarne miasta algorytmowi komputerowemu z już zidentyfikowanymi zbiornikami i basenami. Następnie program głębokiego uczenia znalazł wzory na obrazach, które umożliwiłyby wykrywanie w dowolnym miejscu, i z czasem nabył zdolność samodzielnego rozróżniania zbiorników i basenów na zdjęciach.
„To prawdziwe uczenie maszynowe, podobszar sztucznej inteligencji” – powiedział Jefersson Alex dos Santos, profesor na Wydziale Informatyki w UFMG i założyciel jej Laboratorium Rozpoznawania Wzorów i Obserwacji Ziemi (PATREO).
Nowsze badanie skupiło się na Campinas, trzecim co do wielkości mieście w stanie São Paulo pod względem liczby ludności. Wybrano cztery obszary, każdy o różnych warunkach społeczno-gospodarczych zgodnie ze spisem. Dron z kamerą o wysokiej rozdzielczości wykonał zdjęcia lotnicze obszarów i stworzono dwa zbiory danych, jeden dla zbiorników wodnych, a drugi dla basenów.
Kolejnym krokiem było przeszkolenie modelu i przekazanie wyciągniętych wniosków. „Trenowaliśmy model na Belo Horizonte i zastosowaliśmy go do Campinas” – powiedział Santos. Dzięki obrazom uzyskanym w Campinas model stał się bardziej wiarygodny dla regionu, osiągając wskaźniki dokładności odpowiednio 90,23% i 87,53% dla basenów i zbiorników.
Wskaźnik społeczno-ekonomiczny
Kiedy algorytm został w pełni wyszkolony, naukowcy wykorzystali inne obrazy do wykrywania zbiorników i basenów w czterech wybranych obszarach Campinas i porównali je z danymi ze spisu. Wyniki analizy wykazały większą liczbę zbiorników dachowych na metr kwadratowy w biedniejszych obszarach i więcej basenów w bogatszych obszarach.
Nawet te wstępne ustalenia były przydatne do przewidzenia prawdopodobnych terenów lęgowych dla A. aegypti. „To nie jest ostateczna metodologia, ale może służyć jako podstawa do stosunkowo prostego praktycznego zastosowania, takiego jak tworzenie oprogramowania do mapowania dzielnic miast o wysokim ryzyku epidemii dengi” – powiedział Santos.
Według Chiaravalloti Neto, model ten może być używany nie tylko do kontrolowania dengi i innych chorób przenoszonych przez komary. „Naród aktualizuje swoją społeczno-ekonomiczną bazę danych mniej więcej co dziesięć lat, z każdym spisem ludności. Nasza metoda może być wykorzystywana do częstszych aktualizacji, co z kolei może być wykorzystane do zwalczania innych chorób i problemów” – powiedział, dodając, że więcej markerów można znaleźć w przyszłych badaniach opartych na zdjęciach lotniczych, aby udoskonalić algorytmy i uczynić je jeszcze dokładniejszymi.
Zdjęcia z drona czy satelitarne?
Chociaż zdjęcia lotnicze Campinas zostały wykonane za pomocą drona, naukowcy spodziewają się, że ostateczna metodologia będzie wykorzystywać zdjęcia satelitarne. „Użyliśmy drona, ponieważ był to projekt pilotażowy, ale teledetekcja i skanowanie na dużą skalę za pomocą dronów jest drogie” – powiedział Chiaravalloti Neto.
„Ponadto drony mają stosunkowo niewielki zasięg” – dodał Santos. „W przypadku projektu na dużą skalę w dużym mieście będziemy potrzebować zdjęć satelitarnych”. W badaniu Belo Horizonte z powodzeniem wykorzystano zdjęcia satelitarne. Muszą to być obrazy o wysokiej rozdzielczości, aby oprogramowanie mogło rozpoznać wzory. „Dostęp do tego typu obrazu jest na szczęście coraz łatwiejszy” – powiedział.
Metodologia może wydawać się kosztowna, ale w rzeczywistości oszczędza czas i pieniądze, unikając potrzeby osobistych wizyt domowych w celu zmapowania potencjalnych terenów lęgowych. Zamiast tego pracownicy publicznej służby zdrowia w mieście mogą wykorzystywać dane uzyskane zdalnie i przetworzone przez sztuczną inteligencję, aby bardziej asertywnie wybrać obszary priorytetowe do fizycznej kontroli.
Następne kroki
Model nie może obecnie wykryć, czy zbiorniki wodne są odpowiednio uszczelnione lub czy baseny są zabezpieczone przed składaniem w nich jaj przez komary. „Metodologia mogłaby zostać dopracowana, aby była w stanie odróżnić odpowiednio oczyszczone zbiorniki, baseny itp., a inne, które mogą służyć lub służą jako pożywki dla komarów” – powiedział Chiaravalloti Neto. Wykrycie takich wzorców i innych oznak potencjalnych terenów lęgowych uczyniłoby algorytm jeszcze bardziej użytecznym dla departamentów zdrowia publicznego.
Naukowcy instalują teraz pułapki na komary na około 200 przecznicach w Campinas. Stan właściwości jest dokładnie oceniany, w szczególności w celu przewidzenia, czy komar może się tam rozmnażać. Analizie poddane zostaną również wskaźniki społeczno-ekonomiczne. Następnym krokiem będzie ocena zdjęć lotniczych obszarów przy użyciu opisanej powyżej logiki w celu sklasyfikowania ryzyka występowania A. aegypti i choroby, które przenosi.
„Obserwując te obszary miejskie, zbudujemy model, który priorytetowo traktuje środki kontroli dengi dla całego miasta, a następnie dla reszty Brazylii” – powiedział Chiaravalloti Neto.
Oprócz FAPESP, naukowcy byli finansowani przez Instytut Serrapilheira, Narodową Radę Rozwoju Naukowego i Technologicznego (CNPq), Biuro Prorektora ds. Badań Naukowych USP oraz FAPEMIG, Agencję Badawczą Minas Gerais. SUCEN zapewnił wsparcie strukturalne.
Źródło:
Fundacja Badawcza São Paulo (FAPESP)
Numer czasopisma:
Cunha, HS, i in. (2021) Wykrywanie zbiornika wody i basenu na podstawie teledetekcji i głębokiego uczenia: Związek z poziomem społeczno-ekonomicznym i zastosowaniami w kontroli dengi. PLOS JEDEN. doi.org/10.1371/journal.pone.0258681.