Wat is er gebeurd
Een team van de Hacettepe Universiteit, onder leiding van faculteitslid Olcay Hekimoğlu en ondersteund door TÜBITAK, ontwikkelt een door AI aangedreven mobiele applicatie die is ontworpen om tekensoorten te identificeren op basis van smartphonefoto's. Het project, dat drie jaar zal duren, heeft tot doel een snelle, voorlopige identificatie van teken mogelijk te maken, waarbij de nadruk specifiek ligt op soorten zoals Hyalomma marginatum waarvan bekend is dat ze Krim-Congo hemorragische koorts (CCHF) overbrengen.
Het project, getiteld 'Een smartphone-gebaseerd artificieel intelligentiemodel voor snelle, goedkope en toegankelijke identificatie van tekensoorten in Türkiye', wordt momenteel ontwikkeld aan de Hacettepe Universiteit. Het team bouwt een trainingsdatabase op met behulp van betrouwbare tekenspecimens die zijn geverifieerd door middel van zowel morfologische kenmerken als DNA-analyse.
Het AI-model wordt getraind om acht specifieke tekensoorten te herkennen, met een primaire focus op Hyalomma marginatum, een bekende vector voor CCHF. De applicatie is ontworpen om foto's te analyseren van teken die al zijn verwijderd van een menselijke of dierlijke gastheer, omdat de onderzoekers opmerkten dat aangehechte teken onzichtbaar of fysiek veranderd kunnen zijn, waardoor identificatie moeilijk wordt.
Om er zeker van te zijn dat de tool praktisch is voor gebruik in de echte wereld, test het team het model op verschillende smartphoneapparaten en lichtomstandigheden. De applicatie wordt ook ontworpen om offline te werken, wat een cruciale functie is voor gebruikers in landelijke of afgelegen gebieden waar internettoegang niet gegarandeerd is.
Het systeem bevat een veiligheidsmechanisme: als een ingediende foto te wazig of onvoldoende is voor een nauwkeurige identificatie, wordt de AI geprogrammeerd om een nieuwe afbeelding aan te vragen of de gebruiker te adviseren een deskundige beoordeling te zoeken in plaats van een geforceerd, mogelijk onjuist resultaat te geven.
Brongegevens: dailysabah.com ↗
Waarom het ertoe doet
Dit project richt zich op een aanzienlijke uitdaging op het gebied van de volksgezondheid in Türkiye, waar CCHF sinds 2002 heeft geresulteerd in meer dan 17.000 gevallen en honderden sterfgevallen. Door een goedkoop, toegankelijk hulpmiddel aan te bieden voor boeren, gezondheidswerkers en het grote publiek, streven de onderzoekers ernaar de vroege identificatie van ziektedragende teken te verbeteren. Het systeem is ontworpen om offline te functioneren, waardoor bruikbaarheid wordt gegarandeerd in plattelandsgebieden waar de internetverbinding vaak beperkt is. Bovendien benadrukt het project de betrouwbaarheid in de echte wereld door het model te trainen op diverse beelden van hoge kwaliteit en het te testen onder gevarieerde licht- en omgevingsomstandigheden, in plaats van uitsluitend te vertrouwen op gegevens van laboratoriumkwaliteit. Deze aanpak zou het publieke bewustzijn en de gegevensverzameling met betrekking tot de verspreiding van teken aanzienlijk kunnen vergroten.
Het belangrijkste doel voor de volksgezondheid is het bieden van een snel, toegankelijk voorlopig identificatiemiddel voor teken, die een aanhoudende bedreiging voor de gezondheid vormen in Türkiye. Door gebruikers in staat te stellen potentiële ziektevectoren snel te identificeren, wil het project bijdragen aan bredere wetenschappelijke gegevens over de verspreiding van teken en de veiligheid van de volksgezondheid.
Het project onderscheidt zich door voorrang te geven aan prestaties in de echte wereld boven laboratoriumnauwkeurigheid. Door het model te trainen op diverse, in het veld vastgelegde beelden en door offline functionaliteit te garanderen, pakken de onderzoekers de praktische beperkingen aan die vaak voorkomen in op AI gebaseerde diagnostische hulpmiddelen.
De onderzoekers hebben duidelijk gemaakt dat de tool geen vervanging is voor professionele medische diagnoses. In plaats daarvan dient het als informatiehulpmiddel om individuen en gezondheidswerkers te helpen beter geïnformeerde beslissingen te nemen over mogelijke blootstelling aan door teken overgedragen ziekten.
Interactief mechanisme: hoe het eigenlijk werkt
Ontdek interactief de onderliggende technologie achter deze ontwikkeling.
Which component of an AI application is the machine-learning model itself?
Wat je nu moet bekijken
Het project bevindt zich momenteel in een ontwikkelingsfase van drie jaar. Toekomstige mijlpalen omvatten de creatie van een uitgebreide, geverifieerde database van tekensoorten met behulp van morfologische en DNA-bevestigde exemplaren, gevolgd door rigoureuze tests in zowel gecontroleerde omgevingen als in het veld. De onderzoekers hebben expliciet verklaard dat de tool geen medische diagnoses zal opleveren, en het valt nog te bezien hoe de uiteindelijke toepassing zal worden ingezet bij het publiek of zal worden geïntegreerd in bestaande systemen voor gezondheidstoezicht.
Het project heeft een looptijd van drie jaar. Gedurende deze tijd zal het team doorgaan met het verfijnen van het AI-model en het uitbreiden van de database met extra tekensoorten in toekomstige versies.
De publieke beschikbaarheid en toegangsvoorwaarden voor de applicatie zijn nog niet vastgesteld, omdat het project zich nog in de ontwikkelings- en testfase bevindt.
De effectiviteit van de AI in reële veldomstandigheden blijft een belangrijke maatstaf om te monitoren terwijl de onderzoekers overstappen van het maken van databases naar breder testen.