Investigadores de Mosquito Alert (que pertenecen al CEAB-CSIC, al CREAF y a la UPF) junto a investigadores de la Universidad de Budapest han demostrado que un algoritmo de inteligencia artificial es capaz de reconocer al mosquito tigre (Aedes albopictus) en las fotos enviadas por los usuarios de Mosquito Alert.

Los resultados del estudio publicado en Scientific Reports se han obtenido aplicando una tecnología de aprendizaje profundo o deep learning, un aspecto de la inteligencia artificial que busca emular la forma de aprendizaje de los humanos y que se ha empleado previamente en el campo de la salud para interpretar imágenes médicas (radiografías de pacientes con covid-19 para detectar neumonías, o rasgos faciales para detectar cardiopatías, entre otros).

John Palmer: “La idea inicial es conseguir que la máquina clasifique las fotos más sencillas, y dejar en manos de los expertos la tarea de identificar las imágenes más problemáticas y que requieren consensos".

El deep learning necesita muchos datos de entrenamiento para que la máquina aprenda. En el caso de la app Mosquito Alert estas imágenes han sido mandadas por la ciudadanía y etiquetadas por los expertos del proyecto como “mosquito tigre” o “no mosquito tigre” durante años. En concreto, para el estudio se han utilizado 7.168 fotografías clasificadas de mosquitos que los participantes del proyecto habían enviado entre 2015 y 2019. Tras el entrenamiento, el algoritmo ha sido capaz de clasificar correctamente el 96% de las fotografías de este insecto.

“La idea inicial es conseguir que la máquina clasifique las fotos más sencillas, y dejar en manos de los expertos la tarea de identificar las imágenes más problemáticas y que requieren consensos. A medida que el sistema artificial vaya aprendiendo de las clasificaciones de los expertos, podremos ampliar el abanico de especies catalogadas automáticamente”, explica John Palmer, investigador del Departamento de Ciencias Políticas y Sociales de la UPF y codirector de Mosquito Alert.

Más capacidad de predicción

Este hito puede marcar un antes y un después en la vigilancia y seguimiento del mosquito tigre y de otros mosquitos capaces de transmitir enfermedades. “Estamos entrenando un sistema inmunológico social contra estos mosquitos. Cuanto más rápido se detecte la amenaza, más rápido se puede actuar sobre la misma”, comenta Frederic Bartumeus, codirector de Mosquito Alert e investigador ICREA del CEAB-CSIC y CREAF.

La ciencia ciudadana de Mosquito Alert permite a cualquier persona formar parte del nuevo sistema inmunitario social, y la inteligencia artificial posibilita acelerar la clasificación y ayuda a los expertos en salud pública a tomar mejores decisiones y más rápidas.

Por un lado, la ciencia ciudadana de Mosquito Alert permite a cualquier persona formar parte de este nuevo sistema inmunitario social y aportar un número masivo de fotos de mosquitos; por el otro, la inteligencia artificial permite acelerar el proceso de clasificación de las fotos recibidas y así ayudar a los expertos en salud pública a tomar mejores decisiones y más rápidas sobre la gestión del mosquito.

“En los momentos de máxima necesidad, como en los meses de mayor actividad de mosquitos o en un contexto de crisis epidemiológica, la inteligencia artificial puede ayudarnos a que el sistema pueda absorber una mayor cantidad de información controlando en todo momento su calidad, lo cual es clave si se quiere que los datos sirvan para la toma de decisiones en salud pública”, añade Frederic Bartumeus.

Automatizar salva vidas

La presencia del mosquito tigre en España supone una amenaza para la salud pública. Millones de personas se ven afectadas por su presencia y están expuestas al riesgo de transmisión de enfermedades como el dengue o el chikungunya. En Europa, el mosquito tigre ha estado implicado cada año desde 2007 en pequeños brotes de transmisión local de estas enfermedades víricas contra las que no se dispone de vacunas.

La única medida de prevención pasa por el control de los mosquitos que las transmiten. Evaluar el riesgo y las medidas de acción necesarias para mitigarlo requiere tener información precisa sobre las poblaciones del mosquito tigre, una tarea costosa y laboriosa que requiere colocar e inspeccionar de manera manual trampas y su posterior análisis en el laboratorio donde se identifican los insectos. Una metodología que no es viable para cubrir grandes áreas geográficas.

La única medida de prevención de enfermedades pasa por el control de los mosquitos que las transmiten.

Los métodos de ciencia ciudadana de Mosquito Alert, que permiten a cualquier persona notificar la presencia de un mosquito mediante una aplicación móvil disponible en Android y iOS, es una alternativa que facilita cubrir grandes áreas geográficas a lo largo de toda la temporada de mosquitos.

Integrar la inteligencia artificial en este proceso puede acelerar la clasificación y desarrollar así mapas de riesgo a tiempo casi real que mejoren la gestión del mosquito tigre.

Desde 2015 la iniciativa recibe cada año miles de fotografías que ayudan a estimar la abundancia de mosquitos. Sin embargo, este gran volumen de fotografías sigue clasificándose mediante el examen visual de expertos entomólogos, una tarea que requiere tiempo y años de experiencia. Integrar la inteligencia artificial en este proceso puede acelerar la clasificación y desarrollar así mapas de riesgo a tiempo casi real que mejoren la gestión del mosquito tigre.

Roger Eritja, científico del CREAF y director entomológico de Mosquito Alert, aclara las limitaciones de la inteligencia artificial: “Se requerirá tiempo hasta que una máquina pueda tener la misma capacidad que un ojo experto, especialmente para otras especies menos características que el mosquito tigre. En España se han descrito 62 especies de mosquitos, muchas de las cuales actualmente no se pueden clasificar a partir de una imagen, sino que hay que examinarlas al microscopio. En algunos otros casos, se requiere incluso un análisis genético para identificarlos”.

El estudio se enmarca dentro del proyecto Versatil Emerging infectious disease Observatory (VEO) coordinado por Marion Koopmans del Erasmus Universitair Medisch Centrum (EMC) Rotterdam, Países Bajos, y financiado por el programa Horizonte 2020 de la Comisión Europea.

Trabajo de referencia:

Balint Armin Pataki,

Joan Garriga,

Roger Eritja,

John R. B. Palmer,

Frederic Bartumeus &

Istvan Csabai (febrero 2021) "Deep learning identification for citizen science surveillance of tiger mosquitoes".Scienfific Reports 11, art núm. 4718

https://doi.org/10.1038/s41598-021-83657-4

Subscribirse al Directorio
Escribir un Artículo

Últimas Noticias

Tuneable reverse photochromes in the sol...

A new technique allows the design of solid materia...

La Unidad de Chequeos de la Clínica sup...

El estudio realizado sobre una muestra significati...

Destacadas

Entrevista con Dámaso Molero, director ...

by 3P Biopharmaceuticals

Dámaso Molero:" Creo que en Latinoamérica habrá negocio en el d...

Un mapa de la expresión de los genes en...

by Hospital de la Santa Creu i Sant Pau

​Un trabajo publicado en Cell Reports descifra el mapa transcriptóm...

Diapositiva de Fotos