Det börjar vara dags igen. I Mellaneuropa hopar sig utbrotten av fågelinfluensa över större områden. Forskare vid universitetet i tyska Heidelberg har utvecklat en modell som med hjälp av artificiell intelligens (AI) förutser utbrottsmönster med hög noggrannhet.
Hösten har kommit till Europa och de första fallen av fågelinfluensa har redan anmälts. Flyttfåglar sprider viruset över stora områden, vilket inte sällan resulterar i kännbara förluster på bondgårdar med boskap.
Forskare vid universitetet i Heidelberg har utvecklat en prognosmodell för fågelinfluensa som bygger på artificiell intelligens med hjälp av maskininlärning. Enligt forskarna förutser modellen lokala utbrottsmönster med hög noggrannhet.
Flyttfåglar och inte minst tranor sprider på hösten effektivt viruset från gård till gård på landsbygden. Det resulterar under ogynnsamma förhållanden hundratusentals dödsfall i lantliga regioner med omfattande djurskötsel.
Noggrann AI-modell
Ifrågavarande forskarteam har utvecklat en metod som gör det möjligt att förutsäga regionala utbrott med hjälp av lokala faktorer som säsongtemperatur, årliga vatten- och vegetationsindex eller data om djurtäthet.
Modelleringsmetoden kan i kombination med riktad datainsamling bidra till proaktiva, förebyggande åtgärder. Högpatogen fågelinfluensa (HPAIV) är en allvarlig sjukdom med hög dödlighet för fåglar.
Projektet leds av professor Joacim Rocklöv, som är epidemiolog och matematiker vid Interdisciplinary Center for Scientific Computing och Heidelberg institute får Global health. Datasamlingarna bygger på flera år gamla mönster av högpatogen fågelinfluensa.
Forskningen har resulterat i en AI-modell som med upp till 94 procent noggrannhet kan förutsäga när och var en epidemi riskerar att spridas. Det skadliga H5N1-viruset förorsakade nylige ett utbrott av fågelinfluensa i delstaten Baden-Württemberg.
Exakt modell
För att utveckla modellen utvärderade forskarna data från perioden 2006 till 2021. De beaktade bland annat temperatur- och nederbördsvärden, förändringar i vegetationen, vattennvåer, vilda fågelarter och tätheten av fjäderfä.
Dessa faktorer samverkar ofta, vilket är basen för modellen. Komplexa samband låter sig identifieras på ett sätt som mänskliga forskare lätt missar. I kombination med riktad datainsamling är det lättare att identifiera högriskområden och säsonger med ökad risk.
Metoden gör det möjligt att använda mer riktade och förebyggande åtgärder framövder, exempelvis i form av skärpta kontroller och tidiga skyddsåtgärder i riskområden. Modellen kan också bidra till att utveckla effektivare skyddsåtgärder i framtiden.
Forskarna medger att fågelinfluensan i nuläget främst drabbar fåglar men infektioner hos däggdjur har den senaste tiden observerats i växande utsträckning. Risken ökar att H5N1-viruset snart kan spridas till människor.