Полученные данные могут помочь должностным лицам общественного здравоохранения принять более упреждающий подход к эпиднадзору, профилактике и контролю заболеваний.Патогены, которые переходят от животных к человеку, являются причиной большинства новых вспышек инфекционных заболеваний во всем мире. По мере того, как частота таких событий увеличивается, возможность предсказать, где возникнет следующая новая болезнь, становится все более важной.
«Эта работа приближает нас к проактивной стратегии снижения риска инфекционных заболеваний и предотвращения вспышек», — сказала руководитель исследования Барбара Хан, эколог из Института экосистемных исследований Кэри, научный сотрудник школы Odum. когда исследование было сделано. "Это дает нам список видов, подверженных высокому риску, чьи внутренние черты позволяют им эффективно переносить инфекции, передаваемые человеку.«Список прогнозов, созданных на основе внутренних особенностей вида, может иметь все большее значение, учитывая ускоряющиеся темпы изменения окружающей среды».Хан и ее коллеги сосредоточили свое внимание на грызунах, группе животных, которые, как известно, являются носителями непропорционально большого количества патогенов, которые могут инфицировать людей.
Используя методы машинного обучения, они проанализировали информацию о биологических и экологических особенностях более 2000 видов грызунов и патогенных микроорганизмах, которые, как известно, они переносят. Машинное обучение, разновидность искусственного интеллекта, позволяет анализировать огромные объемы данных и находить закономерности, которые невозможно обнаружить другими способами.
«Это исследование показывает ценность объединения новых методов науки о данных с крупномасштабными данными», — сказал соавтор исследования Джон Дрейк, доцент Odum School. «Это стало возможным, потому что Барбара очень умело объединила разрозненные источники информации — включая экологические и биомедицинские данные — в общую базу данных. Затем для поиска закономерностей использовалось машинное обучение».
Это позволило им выявить черты, связанные с примерно 200 видами грызунов, которые, как известно, являются носителями патогенов, которые могут инфицировать людей. Они обнаружили, что такие виды, как правило, начинают размножаться раньше и имеют больший и больший помет, чем виды, не являющиеся переносчиками болезней.
Модель, которую они разработали на основе этих признаков, точно определила 90 процентов известных носителей болезней, а также обнаружила более 150 других видов, которые разделяют эти черты, но еще не известны как хозяева патогенов человека.Следующим шагом было определить, где в будущем возникнет наибольшая вероятность появления новых болезней. Связывая информацию о признаках с картами ареала видов от Международного союза охраны природы, они определили потенциальные новые горячие точки инфекционных заболеваний на Среднем Западе США, Ближнем Востоке и в Центральной Азии, которые были неожиданными.«Я был удивлен, обнаружив, что появление болезней, переносимых грызунами, больше предсказывается в зонах умеренного климата, чем в тропиках — я полагаю, только потому, что я несу знакомый стереотип или предубеждение, что именно отсюда обычно возникают новые болезни», — сказал Дрейк. «Этот результат показывает, как обнаружение на основе данных может исправить подобные стереотипы».
Результаты исследования должны оказаться ценными для должностных лиц общественного здравоохранения, надеющихся подготовиться к следующему новому заболеванию или даже предотвратить его.«Имея ограниченные ресурсы, мы не можем контролировать все виды животных, которые могут вызвать следующее развивающееся инфекционное заболевание», — сказал Дрейк. «Это исследование может быть использовано для определения приоритетности целевых видов и регионов, за которыми ведется бионаблюдение».Исследование также позволило получить фундаментальные научные знания и методологию, которую можно использовать для ответа на новые вопросы.
«Мы уже активно работаем над поиском потенциальных резервуаров вируса Эбола и других филовирусов», — сказал Дрейк. «Следующие шаги — изучение большего количества групп видов, решение новых вопросов и улучшение наших моделей и алгоритмов».