AI-modell kan förutse spridning av tropiska infektionssjukdomar
Foto: Adobe stock
Till följd av att den globala värmen stiger, även här i Norden och Europa, ökar risken för infektionssjukdomar som tidigare befunnit sig i tropikerna. Hur denna spridning kan komma att utvecklas kan man nu se med hjälp av en prognosmodell som kombinerar AI och matematisk modellering.
Institutionen för folkhälsa och klinisk medicin, avdelningen för hållbar hälsa, på Umeå universitet presenterar nu en avhandling som visar på modeller som kombinerar olika typer av data med artificiell intelligens och matematisk modellering och därmed kan förutsäga spridning av infektionssjukdomar. Det ger samhället en förutsättning att kunna vidta motåtgärder och bygga upp beredskap, enligt en ny studie.
– Det kommer att bli allt viktigare att förutse hur och var infektionssjukdomar kommer att spridas. Flera allvarliga sjukdomar står på tur att nå många länder i Europa när klimatet ändras och vi dessutom reser mer. Genom tillgång till prognoser skapas utrymme för att fatta beslut om kapacitet i vården och åtgärder för att dämpa spridningen, säger Zia Farooq, doktorand vid Umeå universitet, i ett pressmeddelande.
Studien tar bland annat upp Nilfeber som sprids via värddjur, där risken för spridning ökar i takt med att den globala värmen stiger. I rapporten konstaterar man att om inte motåtgärder sätts in finns en risk att denna sjukdom sprids till Nordvästeuropa, vilket innebär att 244 miljoner människor hamnar i riskzonen.
Denguefeber – ökat drastiskt
Även Denguefeber som orsakar hög feber, smärta och kan få dödliga följdeffekter har ökat drastiskt i Europa de senaste åren. Den har tidigare ansetts bara vara en tropisk virussjukdom, men rapporten visar att spridningen i Europa har ökat med 588 procent mellan 2015–2019, till följd av ökat resande och klimatförändringar. Och utifrån detta faktum finns stor risk att fler likande sjukdomar sprids till Europa, exempelvis zikafeber, gula febern och chikungunya.
Prognosmodellen har testats retrospektivt
Zia Farooq och den forskargrupp han ingår i har retrospektivt testat sin prognosmodell som med god precision kunde förutsäga det senaste utbrottet av Nilfeber i Europa 2018. Metodiken är baserad på tillämpningar av AI- och maskininlärningsalgoritmer som bearbetar sjukdomsförekomstdata med klimat-, miljö- och sociodemografiska data för resor och handel.
– Naturligtvis är det väldigt viktigt att minska utsläppen och begränsa klimatförändringarna. Men vi kanske inte helt kan undkomma problemet eftersom klimatförändringarna redan sker. Därför är det viktigt att ha verktyg för att vara förberedd på att möta utmaningarna med klimatberoende och framväxande infektionssjukdomar, säger Zia Farooq.
Läs mer om ämnet:
