پس از همه‌گیری ویروس کرونا و شیوع بیماری «آبله میمون» در برهه اخیر، محیط‌زیست وحشی به منبع نگرانی انسان‌ها تبدیل شده است و میزان ابتلای انسان به بیماری‌های منتقله از حیوانات و پرندگان در سه دهه گذشته افزایش یافته است که این مسئله کشف ابزار‌های لازم برای پیش بینی زمان و مکان احتمال این نوع ویروس‌ها را ضروری کرده است.

دییگو سانتیاگو، استادیار دانشگاه فلوریدای جنوبی، تصمیم گرفته تا روشی ایجاد کند که نه تنها انتقال بیماری از حیات وحش به انسان را پیش‌بینی می‌کند، بلکه انتقال بیماری از یک گونه وحشی به گونه دیگر را نیز پیش بینی می کند.

سانتیاگو از طریق «یادگیری ماشینی» به دنبال تعیین تأثیر متغیر‌هایی مانند مکان و آب و هوا بر پاتوژن‌های شناخته شده است. این روش مبتنی بر استفاده از اطلاعات محدود و شناسایی نقاط داغ در محیط های در معرض خطر آلودگی است.

این محقق آمریکایی می‌گوید: "هدف اصلی ما توسعه این ابزار برای پیشگیری است. داشتن یک روش چند منظوره برای پیش‌بینی عفونت و شناسایی همه انگل‌ها دشوار است، اما در این تحقیق، ما به این هدف کمک می‌کنیم. "

سانتیاگو سه بیماری اعم از مالاریا پرندگان، ویروس نیل غربی، و خفاش‌های آلوده به ویروس کرونا را غربالگری کرده تا قابلیت اطمینان و دقت روش یادگیری ماشینی را آزمایش کند.

تیم شرکت کننده در این تحقیق که با مشارکت محققان دانشگاه "ویراکروزانا" و موسسه محیط زیست مکزیک انجام شده، توانستند با تجزیه و تحلیل متغیر‌های جغرافیایی، محیطی و تکاملی به روشی خودکار برای شناسایی گونه‌های مستعد ابتلا به بیماری، و در نهایت کاهش خطرات عواملی که باعث انتقال بیماری در آینده می‌شوند، دست پیدا کنند.

به گفته محقق ارشد این مطالعه، این روش را می‌توان به طور گسترده برای پیش بینی بسیاری از عوامل بیماری زا در محیط زیست به کار برد.

منبع: my-syria.com