هوش مصنوعی پشه‌های ناقل مالاریا را به دام می‌اندازد!
پروژه استقرار تله‌های هوشمند پیشرفته برای شناسایی پشه‌های حامل انگل مالاریا می‌تواند به پیشبرد پژوهش‌ها پیرامون این حوزه کمک کند.
به گزارش اپست به نقل از ایسنا، پژوهشگران «دانشگاه جنوب فلوریدا»(USF) از هوش مصنوعی برای متحول کردن روش نظارت بر پشه‌ها استفاده کرده‌اند تا به مبارزه با مالاریا در آفریقا کمک کنند.
به نقل از وب سایت رسمی دانشگاه جنوب فلوریدا، «رایان کارنی»(Ryan Carney)، استاد زیست‌شناسی و «سریرام چلاپان»(Sriram Chellappan) استاد دپارتمان علوم و مهندسی رایانه، با یک گروه از پژوهشگران برای پیشبرد پژوهش‌ها پیرامون مالاریا و کشف راه‌حل‌های نوآورانه به منظور هدف قرار دادن در لحظه پشه‌های آلوده به مالاریا همکاری خواهند کرد.
این پروژه موسوم به «EMERGENTS»، بخشی از یک تلاش بین‌المللی است که با کمک مالی ۳.۶ میلیون دلاری «مؤسسه ملی آلرژی و بیماری‌های عفونی»(NIAID) وابسته به «مؤسسه ملی بهداشت آمریکا»(NIH) انجام می‌شود. در سال ۲۰۲۲، حدود ۲۴۹ میلیون مورد جدید مالاریا در سراسر جهان ثبت شد که ۶۰۸ هزار مورد مرگ را در پی داشت. آفریقا تحت تأثیر این بیماری قرار دارد و ۹۵ درصد از موارد مرگ‌ومیر مالاریا در جهان را در سال ۲۰۲۲ به خود اختصاص داده است.
کارنی و چلاپان، تلاش‌های صورت‌گرفته را برای نظارت بر پشه‌ها با استفاده از تصاویر سرپرستی خواهند کرد و به دانشمندان محلی آموزش خواهند داد تا از طریق وب‌سایت جهانی ردیابی پشه‌ها موسوم به mosquitodashboard.org که در سال ۲۰۲۲ با بودجه بنیاد ملی علوم آمریکا ایجاد شد، دانش شهروندان را افزایش دهند. این وب‌سایت، صدها هزار مورد از مشاهده پشه را که از پلتفرم‌های گوناگون به دست آمده‌اند، در یک درگاه داده تعاملی ادغام می‌کند. این داده‌ها، با استفاده از عکس‌هایی جمع‌آوری می‌شوند که مردم از تلفن‌های هوشمند خود در وب‌سایت آپلود می‌کنند.
چلاپان با کمک برخی از همان الگوریتم‌های منحصربه‌فرد، در حال آزمایش کردن یک تله هوشمند با قابلیت‌های هوش مصنوعی است که پشه «آنوفل استفنسی»(Anopheles stephensi) ناقل مالاریا را فریب می‌دهد و بر آن نظارت می‌کند. هدف این است که در طول پروژه، چندین نمونه اولیه از تله هوشمند در انتظار ثبت اختراع در سراسر غرب آفریقا مستقر شوند تا آنوفل استفنسی را به طور ویژه و خودکار شناسایی کند.
چلاپان گفت: ما تنها گروهی هستیم که در سطح جهانی با موفقیت می‌تواند طبقه‌بندی براساس آناتومی را از یک عکس برای شناسایی پشه‌ها امکان‌پذیر کند. الگوریتم ما به طور خودکار سر، قفسه سینه، شکم و پاها را از تصویر پشه شناسایی می‌کند و سپس مؤلفه‌های تشریحی خاصی را برای شناسایی نوع پشه به کار می‌برد. به عنوان مثال، از تصویر بال آنوفل استفنسی برای شناسایی آن استفاده می‌کند.
چلاپان امیدوار است که با پیشرفت فناوری در این پروژه، بتوان تله‌ها را با قیمت مقرون‌به‌صرفه به شهروندان فروخت تا نظارت و کنترل پشه‌ها گسترش یابد.
