|
Ако обичате теориите на конспирациите, със сигурност сте гледали или чели разни IT гурута и псевдоспециалисти, които ви се кълнат, че Big Data или възможността за анализ на огромни, неструктурирани масиви от данни и извеждането на модели от тях, е създадена единствено за целите на онлайн рекламната индустрия и Агенцията за национална сигурност на САЩ. Е, нека ги оставим да смятат там, каквото си смятат, но истината е малко по-различна. Влизайки в комбинация с различни други технологии, като тази за машинно обучение (machine learning, ML) учените по света се възползват от мощта на новите технологии за различни цели, като борбата с рака, тази с диабета, обезлесяването на амазонските джунгли и подобни. А благодарение на усилията на група учени вече се бори и с вируса Ебола.Последното голямо огнище на филовируса избухна преди две години в Западна Африка, когато повече от 11 000 човека починаха в следствие на заразата. Конкретно за тази епидемия се смята, че са виновни прилепи, които са приносители на вируса, но не заболяват от него. Вземайки предвид сериозността на заразата, учени от Cary Institute of Ecosystem Studies са решили да използват машинно обучение и инструменти за Big Data анализ, за да предотвратят бъдещи зарази. Резултатите от работата им е публикувана в журнала PLOS Neglected Tropical Diseases. Според тях машинното обучение е технология, която е особено практична, когато става дума за сравнителни изследвания. „Моделите ни позволяват да преодолеем своите предварителни позиции и да открием нужната ни информация сред масива от данни по начин, по който само машините могат“, споделя Дейвид Хейман, съ-автор на доклада и изследовател в Института по ветеринарни науки и изследвания в областта на зоологията и биомедицината към Университета „Мейси“, Нова Зеландия. Благодарение на алгоритъм, разработен от учените, те са успели да очертаят областите, които са в най-голям риск от възникване на епидемия от Ебола, като се облягат на поведенчески анализ на прилепи с положителен резултат за Ебола. В началото те профилирали различни видове прилепи, които е възможно да са приносители на Ебола и други филовируси. Те наблюдавали биологическите характеристики на 21 вида, които са известни, че пренасят вируси. След това компилирали тези данни в големи масиви от данни, в които са описани 57 променливи, в това число, диетата на животните, миграционните им навици, репродуктивно поведение и др. като за целта са взети проби от 1116 прилепа. След това на прилепите е бил приписано бинарно число – 0 или 1 – според това дали те пренасят вируса или не. После те разработили алгоритъм, който можело да идентифицира белези, по които да се разбере дали един прилеп е приносител на филовирус или не. Техниката показала завиден успех, като при анализа и отсяването на заразени и здрави прилепи успехът бил 87%. Освен това те достигнали и до други открития – като това, че в колкото по-голяма група живее животното, толкова по-голям е риска да е приностел, достигат сексуална зрялост по-рано от другите и раждат повече от едно малко, като имат голямо потомство. Притеснително обаче било друго тяхно откритие – че много прилепи извън Африка имат потенциал да носят заразата. Те предупреждават, че страни, като Индия, Бирма, Виетнам, Малайзия и Тайланд също може в бъдеще да станат жертва на епидемия от Ебола. |
|
