La intel·ligència artificial ja identifica el mosquit tigre de les fotos rebudes en l'app Mosquito Alert

L'algorisme de deep learning que s'ha entrenat amb més de 7.000 fotografies anònimes rebudes en l'app Mosquito Alert entre 2015 i 2019, és capaç d'identificar correctament el 96% de les fotografies de mosquit tigre.

Investigadors de Mosquito Alert (que pertanyen al CEAB-CSIC, al CREAF i a la UPF) al costat d'investigadors de la Universitat de Budapest han demostrat que un algorisme d'intel·ligència artificial és capaç de reconèixer al mosquit tigre (Aedes albopictus) en les fotos enviades pels usuaris de Mosquito Alert. Els resultats de l'estudi publicat a la revista Scientific Reports s'han obtingut aplicant una tecnologia d'aprenentatge profund o deep learning, un aspecte de la intel·ligència artificial que busca emular la forma d'aprenentatge dels humans i que s'ha emprat prèviament en el camp de la salut per a interpretar imatges mèdiques (radiografies de pacients amb COVID19 per a detectar pneumònies, o trets facials per a detectar cardiopaties, entre altres). El deep learning necessita moltes dades d'entrenament perquè la màquina aprengui. En el cas de l'app Mosquito Alert aquestes imatges han estat enviades per la ciutadania i etiquetades pels experts del projecte com a “mosquit tigre” o “no mosquit tigre” durant anys. En concret, per l'estudi s'han utilitzat 7.168 fotografies classificades de mosquits que els participants del projecte havien enviat entre 2015 i 2019. Després de l'entrenament l'algorisme ha estat capaç de classificar correctament el 96% de les fotografies d'aquest insecte.

“La idea inicial és aconseguir que la màquina classifiqui les fotos més senzilles, i deixar en mans dels experts la tasca d'identificar les imatges més problemàtiques i que requereixen consensos. A mesura que el sistema artificial vagi aprenent de les classificacions dels experts, podrem ampliar el ventall d'espècies catalogades automàticament”, explica John Palmer, investigador de la UPF i codirector de Mosquito Alert.

Més capacitat de predicció 

Aquesta fita pot marcar un abans i un després en la vigilància i seguiment del mosquit tigre i d'altres mosquits capaços de transmetre malalties. “Estem entrenant un sistema immunològic social contra aquests mosquits. Com més ràpid es detecti l'amenaça, més ràpid es pot actuar sobre la mateixa”, comenta Frederic Bartumeus, codirector de Mosquito Alert i investigador ICREA del CEAB-CSIC i del CREAF. D'una banda, la ciència ciutadana de Mosquito Alert permet a qualsevol persona formar part d'aquest nou sistema immunitari social i aportar un nombre massiu de fotos de mosquits, per l'altre, la intel·ligència artificial permet, accelerar el procés de classificació de les fotos rebudes i així ajudar els experts en salut pública a prendre millors decisions i més ràpides sobre la gestió del mosquit.

Aquesta fita pot marcar un abans i un després en la vigilància i seguiment del mosquit tigre i d'altres mosquits capaços de transmetre malalties.

“En els moments de màxima necessitat, com en els mesos de major activitat de mosquits o en un context de crisi epidemiològica, la intel·ligència artificial pot ajudar-nos al fet que el sistema pugui absorbir una major quantitat d'informació controlant en tot moment la seva qualitat, la qual cosa és clau si es vol que les dades serveixin per a la presa de decisions en salut pública”, afegeix Bartumeus.

 Automatitzar salva vides 

La presència del mosquit tigre a Espanya suposa una amenaça per a la salut pública. Milions de persones es veuen afectades per la seva presència i estan exposades al risc de transmissió de malalties com el dengue o el chikungunya. A Europa, el mosquit tigre ha estat implicat cada any des de 2007 en petits brots de transmissió local d'aquestes malalties víriques contra les quals no es disposa de vacunes. L'única mesura de prevenció passa pel control dels mosquits que les transmeten. Avaluar el risc i les mesures d'acció necessàries per a mitigar-lo requereix tenir informació precisa sobre les poblacions del mosquit tigre, una tasca costosa i laboriosa que requereix col·locar i inspeccionar de manera manual de paranys i la seva posterior anàlisi en el laboratori on s'identifiquen els insectes. Una metodologia que no és viable per a cobrir grans àrees geogràfiques.

Integrar la intel·ligència artificial en aquest procés pot accelerar la classificació i desenvolupar així mapes de risc a temps gairebé real que millorin la gestió del mosquit tigre

Els mètodes de ciència ciutadana de Mosquito Alert, que permeten a qualsevol persona notificar la presència d'un mosquit mitjançant una aplicació mòbil disponible en Android i iOS, és una alternativa que facilita cobrir grans àrees geogràfiques al llarg de tota la temporada de mosquits. Des de 2015 la iniciativa rep cada any milers de fotografies que ajuden a estimar l'abundància de mosquits. No obstant això, aquest gran volum de fotografies continua classificant-se mitjançant l'examen visual d'experts entomòlegs, una tasca que requereix temps i anys d'experiència. Integrar la intel·ligència artificial en aquest procés pot accelerar la classificació i desenvolupar així mapes de risc a temps gairebé real que millorin la gestió del mosquit tigre.

Roger Eritja, científic del CREAF i director entomològic de Mosquito Alert, aclareix les limitacions de la intel·ligència artificial: “Es requerirà temps fins que una màquina pugui tenir la mateixa capacitat que un ull expert, especialment per a altres espècies menys característiques que el mosquit tigre. A Espanya s'han descrit 62 espècies de mosquits, moltes de les quals actualment no es poden classificar a partir d'una imatge, sinó que cal examinar-les al microscopi. En alguns altres casos, es requereix fins i tot una anàlisi genètica per a identificar-los”.

Publicació:

Pataki BA, Garriga J, Eritja R, Palmer JRB, Bartumeus F, Csabai I. 2021. Deep learning identification for citizen science surveillance of tiger mosquitoes. Scientific Reports 11: 4718

La base de dades d’imatges pot descarregar-se des d’aquest link

El codi pot descarregar-se aquí

També pot interessar-te: Mosquit Alert obre la seva col·lecció de 20.000 fotografies per entrenar programes de Deep Learning