Globalt mosquito-sensing-netværk, der bygges ved hjælp af smartphones

Malaria er en dræber. Op mod 600 millioner mennesker lider af sygdommen, og hvert år dør en million af den. Ifølge UNICEF er de fleste af dem børn under fem år, der bor i Afrika syd for Sahara.

Så det er et vigtigt mål at forhindre spredning af malaria. Sundhedseksperter har forskellige måder at kontrollere spredningen af ​​sygdommen på. Nogle af disse indgreb har været enormt succesfulde, men andre mindre. Men forskellen mellem succes og fiasko er ofte dårligt forstået.

Et problem er, at malaria overføres af inficerede Anopheles-myg, og disse udgør kun en lille brøkdel af myggearter. Der er omkring 60 Anopheles-arter, der kan overføre malaria, ud af 3.600 forskellige myggearter i alt.

Anopheles stephensi - en af ​​40 myggearter, der kan overføre malaria, ud af 3.600 arter i alt.

Det er svært at spore myg over store områder, og det er endnu sværere at identificere deres arter. Og det gør det svært at forstå, hvordan et indgreb påvirker populationerne af forskellige arter. For at løse dette problem ville sygdomseksperter meget elske at have et billigt sensorsystem til at overvåge myggepopulationer, som nemt kan distribueres til fjerntliggende steder.

Indtast Yunpeng Li og venner på University of Oxford i U.K., som siger, at de har udviklet netop sådan et system. Deres tilgang udnytter det faktum, at myggearter kan identificeres ved den støj, deres vinger laver, når de flyver. Disse lyde kan opfanges og optages af en smartphone.

Så holdets sensorsystem er en Android-smartphone-app kaldet MozzWear, der kan optage myggelyde sammen med tid og sted og derefter sende dataene til en central server, hvor arten identificeres.

Da smartphones er bredt tilgængelige, selv i mange udviklingslande, kan dette system relativt nemt distribueres bredt. I hvert fald i teorien.

Li og cos tilgang er at træne en maskinlæringsalgoritme til at genkende den karakteristiske akustiske signatur af forskellige arter og derefter identificere insekterne i overensstemmelse hermed.

Forskellige undersøgelser har vist, hvordan det er muligt at identificere myg ved den støj, de laver. Det er endda muligt at skelne kønnene, da hannerne varierer deres vingeslagsfrekvens for at tiltrække kammerater. Ikke desto mindre er dataene sparsomme.

Det er ikke godt for maskinlæringsalgoritmer, som kun kan lære af enorme mængder data, normalt annoteret på forhånd af mennesker. I dette tilfælde er disse datasæt bare ikke blevet oprettet. Så Li og co er gået i gang med den kæmpe opgave at skabe deres egen database, med hjælp fra kolleger og borgerforskere.

Først indsamlede de optagelser af myg indsamlet af Centers for Disease Control and Prevention i USA og US Army Military Research Unit i Kisumu, Kenya. Disse involverede syv forskellige arter og i alt 62 forskellige prøver.

Derefter markerer holdet de relevante funktioner i en spektrograf af disse optagelser ved hjælp af borgerforskerens crowdsourcing-tjeneste Zooniverse. Den første opgave for disse videnskabsmænd er at markere de områder i hver optagelse, der indeholder identificerbare myggelyde. De bruger derefter disse data til at træne en maskinlæringsalgoritme til at genkende disse syv forskellige arter fra deres lyd alene.

Til sidst tester Li og co systemet ved at indlæse appen på en billig smartphone - en Alcatel One Touch 4009X, som de siger koster omkring 20 £ - og derefter bruge den til at overvåge de omgivende støjniveauer, mens de afspiller optagelser af myggene.

Appen sender disse optagelser til en central server, som bruger maskinlæringsalgoritmen til at identificere de flyvende dyr.

Resultaterne er ikke dårlige. Maskinen registrerer nøjagtigt Anopheles-arten af ​​myg omkring 72 procent af tiden. Detektionsnøjagtigheden for Anopheles-myg, som er malariavektorer, er imponerende, siger Li og venner.

Det er en nyttig proof-of-princip demonstration. Det viser, at billige smartphones kan blive billige myggesensorer. Vores akustiske myggedetekteringssystem giver, på trods af at vi bruger billige smartphones, en lovende mulighed for levende detektion - og artsklassificering - af myg, der er kendt for vektormalaria, siger Li og co.

Men der er et betydeligt arbejde forude. Holdet skal nu dramatisk øge antallet af arter, som MozzWear-appen kan identificere. Det bliver ikke nemt, da højkvalitetsoptagelser ikke er nemme at lave. Det vil også være tidskrævende i betragtning af de 3.600 forskellige arter, der er derude.

Så skal holdet sprede appen og overtale folk til at bruge den. Det bliver også svært. Nogle apps spredes viralt, men andre kræver betydelig markedsføring. Og på steder, hvor batteristrøm er til en præmie, er et interessant spørgsmål, om folk kan overtales til at afsætte dyrebar batteristrøm til denne form for bestræbelser.

Lad os håbe de vil. En bedre forståelse af, hvordan mygpopulationer varierer i hele verden, og hvordan de ændrer sig over tid, vil være uvurderlig. Det kan endda hjælpe med at reducere forekomsten af ​​malaria og de dødsfald, det forårsager.

Ref: arxiv.org/abs/1711.06346 : Myggedetektion med billige smartphones: Dataindsamling til malariaforskning

skjule