Una nueva investigación de la Universidad de Kansas muestra que el aprendizaje automático es capaz de identificar insectos que propagan la enfermedad incurable llamada Chagas con alta precisión, basada en fotos digitales ordinarias. La idea es dar a los funcionarios de salud pública donde prevalece Chagas una nueva herramienta paradetener la propagación de la enfermedad y, finalmente, ofrecer servicios de identificación directamente al público en general.
Chagas es particularmente desagradable porque la mayoría de las personas que lo tienen no saben que han sido infectadas. Pero según los Centros para el Control y la Prevención de Enfermedades, alrededor del 20 por ciento al 30 por ciento de los 8 millones de personas con Chagas en todo el mundo son atacadasalgún punto posterior con anormalidades del ritmo cardíaco que pueden provocar la muerte súbita; corazones dilatados que no bombean sangre de manera eficiente; o un esófago o colon dilatados.
La enfermedad es causada con mayor frecuencia cuando las chinches triatominas, más comúnmente conocidas como "chinches besantes" muerden a las personas y transmiten el parásito Trypanosoma cruzi al torrente sanguíneo. El chagas es más frecuente en las zonas rurales de México, América Central y América del Sur.
Una empresa reciente en KU, llamada Virtual Vector Project, buscó permitir a los funcionarios de salud pública identificar triatominos que transportan Chagas con sus teléfonos inteligentes, utilizando una especie de estudio fotográfico portátil para tomar fotos de los insectos.
Ahora, un estudiante graduado en KU se ha basado en ese proyecto con una investigación de prueba de concepto que muestra que la inteligencia artificial puede reconocer 12 especies de bichos besos mexicanos y 39 brasileños con alta precisión mediante el análisis de fotos ordinarias, una ventaja para los funcionarios que buscanreducir la propagación de la enfermedad de Chagas.
Ali Khalighifar, estudiante de doctorado de KU en el Instituto de Biodiversidad y el Departamento de Ecología y Biología Evolutiva, encabezó un equipo que acaba de publicar hallazgos en el Revista de Entomología Médica . Para identificar los bichos de las fotos regulares, Khalighfar y sus colegas trabajaron con el software de código abierto y aprendizaje profundo de Google, llamado TensorFlow, que es similar a la tecnología que sustenta la búsqueda inversa de imágenes de Google.
"Debido a que este modelo es capaz de comprender, basándose en tonos y colores de píxeles, lo que está involucrado en una imagen, puede extraer la información y analizarla de una manera que el modelo pueda entender, y luego les da otras imágenesprobar y puede identificarlos con una tasa de identificación realmente buena ", dijo Khalighifar." Eso es sin preprocesamiento: simplemente comienza con imágenes en bruto, lo cual es increíble. Ese era el objetivo. Anteriormente, era imposible hacer lo mismocon tanta precisión y sin duda no sin preprocesar las imágenes ".
Khalighifar y sus coautores - Ed Komp, investigador del Centro de Tecnología de la Información y las Telecomunicaciones de KU, Janine M. Ramsey del Instituto Nacional de Salud Publica de México, Rodrigo Gurgel-Gonçalves de la Universidade de Brasilia de Brasil, y A. Townsend Peterson, KU DistinguishedProfesor de Ecología y Biología Evolutiva y curador principal del Instituto de Biodiversidad KU - entrenó su algoritmo con 405 imágenes de especies de triatominos mexicanos y 1.584 imágenes de especies de triatominos brasileños.
Al principio, el equipo pudo lograr, "83.0 y 86.7 por ciento de tasas de identificación correctas en todas las especies mexicanas y brasileñas, respectivamente, una mejora sobre tasas comparables de clasificadores estadísticos", escriben. Pero después de agregar información sobre besos de insectos 'distribuciones geográficas en el algoritmo, los investigadores aumentaron la precisión de la identificación al 95.8 por ciento para las especies mexicanas y 98.9 por ciento para las especies brasileñas.
Según Khalighifar, la tecnología basada en algoritmos podría permitir a los funcionarios de salud pública y otros identificar las especies de triatominos con un nivel de precisión sin precedentes, para comprender mejor los vectores de enfermedades en el terreno.
"En el futuro, esperamos desarrollar una aplicación o una plataforma web de este modelo que se capacite constantemente en función de las nuevas imágenes, por lo que siempre se actualiza y proporciona identificaciones de alta calidad a cualquier usuario interesado en realidadtiempo ", dijo.
Khalighifar ahora está aplicando un enfoque similar usando TensorFlow para la identificación instantánea de mosquitos en función del sonido de sus alas y ranas en función de sus llamadas.
"Estoy trabajando en este momento en grabaciones de mosquitos", dijo. "He cambiado del procesamiento de imágenes al procesamiento de señales de las palizas de los mosquitos. Obtenemos las grabaciones de los mosquitos usando un teléfono celular ordinario, yluego los convertimos de grabaciones a imágenes de señales. Luego usamos TensorFlow para identificar las especies de mosquitos. El otro proyecto en el que estoy trabajando ahora es ranas, con el Dr. Rafe Brown en el Instituto de Biodiversidad. Y estamos diseñando lo mismosistema para identificar esas especies en función de las llamadas dadas por cada especie. "
Aunque a menudo la inteligencia artificial se retrata popularmente como una amenaza de muerte laboral o incluso una amenaza existencial para la humanidad, Khalighifar dijo que su investigación mostró cómo la IA podría ser una bendición para los científicos que estudian la biodiversidad.
"Es increíble, la IA realmente es capaz de hacer todo, para bien o para mal", dijo. "Aparecen usos que dan miedo, como identificar rostros musulmanes en la calle. Imagínese, si podemos identificar ranas omosquitos, lo fácil que puede ser identificar las voces humanas. Por lo tanto, ciertamente hay aspectos oscuros de la IA. Pero este estudio muestra una aplicación positiva de la IA: estamos tratando de usar el lado bueno de esa tecnología para promover la conservación y el apoyo de la biodiversidadtrabajo de salud pública "
Fuente de la historia :
Materiales proporcionado por Universidad de Kansas . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :