Vad hände
Ett team vid Hacettepe University, ledd av fakultetsmedlemmen Olcay Hekimoğlu och med stöd av TÜBITAK, utvecklar en AI-driven mobilapplikation designad för att identifiera fästingarter från smartphonefotografier. Projektet, som är planerat att sträcka sig över tre år, syftar till att ge snabb, preliminär identifiering av fästingar, speciellt med fokus på arter som Hyalomma marginatum som är kända för att överföra Krim-Kongo hemorragisk feber (CCHF).
Projektet, med titeln "En smartphone-baserad artificiell intelligensmodell för snabb, låg kostnad och tillgänglig identifiering av fästingarter i Türkiye", är för närvarande under utveckling vid Hacettepe University. Teamet bygger en träningsdatabas med hjälp av tillförlitliga fästingprover som har verifierats genom både morfologiska egenskaper och DNA-analys.
AI-modellen tränas för att känna igen åtta specifika fästingarter, med primärt fokus på Hyalomma marginatum, som är en känd vektor för CCHF. Applikationen är utformad för att analysera fotografier av fästingar som redan har tagits bort från en mänsklig eller djurvärd, eftersom forskarna noterade att fästingar kan vara skymd eller fysiskt förändrad, vilket gör identifieringen svår.
För att säkerställa att verktyget är praktiskt för användning i verkligheten testar teamet modellen över olika smartphone-enheter och ljusförhållanden. Applikationen är också konstruerad för att fungera offline, vilket är en kritisk funktion för användare på landsbygden eller avlägsna områden där internetåtkomst inte är garanterad.
Systemet inkluderar en säkerhetsmekanism: om ett inlämnat fotografi är för suddigt eller otillräckligt för en korrekt identifiering, programmeras AI:n att begära en ny bild eller råda användaren att söka expertutvärdering istället för att ge ett påtvingat, potentiellt felaktigt resultat.
Källinformation: dailysabah.com ↗
Varför det spelar roll
Detta projekt tar itu med en betydande folkhälsoutmaning i Türkiye, där CCHF har resulterat i över 17 000 fall och hundratals dödsfall sedan 2002. Genom att tillhandahålla ett billigt, tillgängligt verktyg för bönder, sjukvårdspersonal och allmänheten, strävar forskarna efter att förbättra tidig identifiering av sjukdomsbärande fästingar. Systemet är utformat för att fungera offline, vilket säkerställer användbarhet på landsbygden där internetanslutning ofta är begränsad. Dessutom betonar projektet verklig tillförlitlighet genom att träna modellen på olika högkvalitativa bilder och testa den under varierande ljus- och miljöförhållanden, snarare än att enbart förlita sig på laboratoriekvalitetsdata. Detta tillvägagångssätt skulle avsevärt kunna öka allmänhetens medvetenhet och datainsamling angående spridning av fästingar.
Det primära folkhälsomålet är att tillhandahålla ett snabbt, tillgängligt preliminärt identifieringsverktyg för fästingar, som är ett bestående hälsohot i Türkiye. Genom att göra det möjligt för användare att snabbt identifiera potentiella sjukdomsvektorer, syftar projektet till att bidra till bredare vetenskaplig data om fästingutbredning och folkhälsosäkerhet.
Projektet utmärker sig genom att prioritera verklig prestanda framför laboratorieprestandan. Genom att träna modellen på olika, fältfångade bilder och säkerställa offlinefunktionalitet tar forskarna upp de praktiska begränsningarna som ofta finns i AI-baserade diagnostiska verktyg.
Forskarna har klargjort att verktyget inte är en ersättning för professionell medicinsk diagnos. Istället fungerar det som ett informationshjälpmedel för att hjälpa individer och vårdpersonal att fatta mer välgrundade beslut om potentiell exponering för fästingburna sjukdomar.
Interaktiv mekanism: hur det faktiskt fungerar
Utforska den underliggande tekniken bakom denna utveckling interaktivt.
Which component of an AI application is the machine-learning model itself?
Vad du ska titta på härnäst
Projektet befinner sig för närvarande i en treårig utvecklingsfas. Framtida milstolpar inkluderar skapandet av en omfattande, verifierad databas över fästingarter med hjälp av morfologiska och DNA-bekräftade prover, följt av rigorösa tester i både kontrollerade miljöer och fältmiljöer. Forskarna har uttryckligen sagt att verktyget inte kommer att ge medicinska diagnoser, och det återstår att se hur den slutliga applikationen kommer att distribueras till allmänheten eller integreras i befintliga hälsoövervakningssystem.
Projektet är planerat för en treårsperiod. Under denna tid kommer teamet att fortsätta att förfina AI-modellen och utöka databasen för att inkludera ytterligare fästingarter i framtida versioner.
Allmänhetens tillgänglighet och åtkomstvillkor för applikationen har ännu inte fastställts, eftersom projektet fortfarande är i utvecklings- och testfasen.
Effektiviteten av AI i verkliga fältförhållanden är fortfarande ett nyckelmått att övervaka när forskarna övergår från att skapa databaser till bredare tester.