Co se stalo
Tým na Hacettepe University, vedený členem fakulty Olcay Hekimoğlu a podporovaný TÜBITAK, vyvíjí mobilní aplikaci s umělou inteligencí, která je navržena k identifikaci druhů klíšťat z fotografií smartphonu. Projekt, který má trvat tři roky, si klade za cíl poskytnout rychlou a předběžnou identifikaci klíšťat, konkrétně se zaměřením na druhy jako Hyalomma marginatum, o kterých je známo, že přenášejí krymsko-konžskou hemoragickou horečku (CCHF).
Projekt s názvem „Model umělé inteligence založený na smartphonu pro rychlou, nízkonákladovou a dostupnou identifikaci druhů klíšťat v Turecku“ je v současné době ve vývoji na Hacettepe University. Tým vytváří tréninkovou databázi pomocí spolehlivých vzorků klíšťat, které byly ověřeny jak morfologickými charakteristikami, tak analýzou DNA.
Model AI je trénován tak, aby rozpoznával osm specifických druhů klíšťat, s primárním zaměřením na Hyalomma marginatum, což je známý vektor pro CCHF. Aplikace je navržena tak, aby analyzovala fotografie klíšťat, která již byla odstraněna z lidského nebo zvířecího hostitele, protože vědci poznamenali, že připojená klíšťata mohou být zakryta nebo fyzicky pozměněna, což ztěžuje identifikaci.
Aby bylo zajištěno, že nástroj bude praktický pro použití v reálném světě, tým testuje model na různých zařízeních smartphone a světelných podmínkách. Aplikace je také navržena tak, aby fungovala offline, což je kritická funkce pro uživatele ve venkovských nebo odlehlých oblastech, kde není zaručen přístup k internetu.
Systém obsahuje bezpečnostní mechanismus: pokud je odeslaná fotografie příliš rozmazaná nebo nedostatečná pro přesnou identifikaci, AI je naprogramována tak, aby požadovala nový snímek nebo doporučila uživateli, aby vyhledal expertní hodnocení, místo aby poskytl vynucený, potenciálně nesprávný výsledek.
Podrobnosti o zdroji: dailysabah.com ↗
Proč na tom záleží
Tento projekt řeší významnou výzvu v oblasti veřejného zdraví v Türkiye, kde CCHF od roku 2002 vedla k více než 17 000 případům a stovkám úmrtí. Poskytnutím levného a dostupného nástroje pro farmáře, zdravotnické pracovníky a širokou veřejnost se výzkumníci zaměřují na zlepšení včasné identifikace klíšťat přenášejících onemocnění. Systém je navržen tak, aby fungoval offline, což zajišťuje užitečnost ve venkovských oblastech, kde je připojení k internetu často omezené. Kromě toho projekt klade důraz na spolehlivost v reálném světě tím, že model trénuje na různých, vysoce kvalitních snímcích a testuje jej za různých světelných a okolních podmínek, spíše než se spoléhat pouze na laboratorní data. Tento přístup by mohl výrazně zvýšit povědomí veřejnosti a sběr dat o distribuci klíšťat.
Primárním cílem veřejného zdraví je poskytnout rychlý a dostupný nástroj předběžné identifikace klíšťat, která jsou v Turecku trvalou zdravotní hrozbou. Tím, že umožňuje uživatelům rychle identifikovat potenciální přenašeče onemocnění, si projekt klade za cíl přispět k širším vědeckým údajům o distribuci klíšťat a bezpečnosti veřejného zdraví.
Projekt se vyznačuje tím, že upřednostňuje výkon v reálném světě před přesností pouze v laboratoři. Trénováním modelu na různých snímcích pořízených v terénu a zajištěním offline funkčnosti vědci řeší praktická omezení, která se často vyskytují v diagnostických nástrojích založených na umělé inteligenci.
Vědci objasnili, že nástroj nenahrazuje odbornou lékařskou diagnostiku. Místo toho slouží jako informační pomůcka, která pomáhá jednotlivcům a zdravotnickým pracovníkům činit informovanější rozhodnutí o potenciální expozici nemocem přenášeným klíšťaty.
Interaktivní mechanismus: Jak to vlastně funguje
Interaktivně prozkoumejte základní technologii tohoto vývoje.
Which component of an AI application is the machine-learning model itself?
Na co se dále dívat
Projekt je v současné době ve fázi tříletého vývoje. Mezi budoucí milníky patří vytvoření komplexní, ověřené databáze druhů klíšťat s využitím morfologických a DNA potvrzených vzorků, následované přísným testováním v kontrolovaném i terénním prostředí. Výzkumníci výslovně uvedli, že nástroj nebude poskytovat lékařské diagnózy a teprve se uvidí, jak bude konečná aplikace nasazena pro veřejnost nebo integrována do stávajících systémů zdravotního dohledu.
Projekt je plánován na tři roky. Během této doby bude tým pokračovat ve zdokonalování modelu umělé inteligence a rozšiřování databáze o další druhy klíšťat v budoucích verzích.
Veřejná dostupnost a podmínky přístupu k aplikaci zatím nebyly stanoveny, protože projekt je stále ve fázi vývoje a testování.
Účinnost umělé inteligence v reálných podmínkách zůstává klíčovou metrikou, kterou je třeba sledovat, když výzkumníci přecházejí od vytváření databází k širšímu testování.