2019/11/05 @國際
美國華盛頓大學與史丹佛大學研究團隊利用無人機與衛星遙測技術進行西非塞內加爾之環境調查,建構出血吸蟲病可能的疾病傳播模式;未來希望能更進一步運用機器學習的判讀方法,達成區域性公共防疫的目的。
示意圖
無人機(drone)與衛星遙測(remote sensing)技術在生態資源調查方面的應用甚廣,這些技術主要協助人們從事遠端資料蒐集,方便後續在生態資源經營、國土管理等方面。美國華盛頓大學(University of Washington)與史丹佛大學(Stanford University)的研究團隊則利用無人機與衛星遙測技術進行環境調查,並以此預測可能的疾病傳播熱點,希望藉此杜絕寄生蟲對當地居民的危害。
研究團隊主要探討發生在西非塞內加爾(Senegal)地區的血吸蟲病(schistosomiasis),目前已知塞內加爾地區有近2億人受感染,是在當地廣為流行的疾病。血吸蟲病的症狀為血尿、血便、腹部疼痛、臟器損傷等,雖然這些症狀可經由藥物治療痊癒,但是一旦接觸到血吸蟲棲息地或接觸攜帶血吸蟲的蝸牛,則有可能又再次經歷二度感染。有鑑於此,研究團隊希望能藉由廣泛的調查蝸牛族群的分布情況,以此推測當地可能的血吸蟲傳染熱點。
然而,研究團隊在調查初期發現,由於蝸牛族群是呈現塊狀(patchy)分布,並隨時間改變其族群的棲息位置及大小,因此不適用在傳染熱點評估方面,為此,與其尋找蝸牛個體或族群,研究團隊根據蝸牛的棲息特性,轉而搜尋蝸牛賴以棲息的浮水植物。有了浮水植物做為判斷依據,研究團隊便可在無人載具或衛星遙測影像輔助下,判識水中的浮水植物,並藉此推測蝸牛可能的族群量。研究團隊再結合水域附近蝸牛的密度、村落大小、村落地點等資訊,模擬出可能受血吸蟲感染的潛在地區。【延伸閱讀】讓AR眼鏡告訴你非洲菊是否可以採收
在該研究中,研究團隊首先利用蝸牛及其棲息植物之間的關聯性,建構出可能的疾病傳播模式,再以無人載具等技術判斷當地蝸牛的族群量,將有助於區域防疫管理及公共衛生的推廣。研究團隊希望能在未來更進一步地以機器學習(machine learning)的方式,自動判斷影像中的浮水植物,並藉由公開的公衛資訊,達成區域性公共防疫的目的。
該研究由美國國家衛生研究院(National Institutes of Health)、美國國家科學基金會(National Science Foundation)、史丹佛大學(Stanford University)、密西根大學(University of Michigan)等公私立機構資助。詳細研究成果已發表在<Proceedings of the National Academy of Sciences>。
資料來源
文章摘譯