Onderzoekers van Northeastern University hebben een machine learning-model ontwikkeld dat dengue-uitbraken met 80 procent nauwkeurigheid kan voorspellen. Deze doorbraak biedt nieuwe kansen voor preventieve gezondheidszorg in regio’s waar het door muggen overgedragen virus steeds vaker voorkomt.
Wereldwijd loopt bijna de helft van de bevolking risico op dengue, en het aantal gevallen is tussen 2023 en 2024 verdubbeld. Met behulp van zogeheten ensemble-methoden combineren de onderzoekers meerdere voorspellingsmodellen om tot de meest betrouwbare voorspelling te komen. Daarbij wordt per regio gekeken welke modellen het best presteren over een periode van drie maanden, zodat besluitvormers gericht kunnen anticiperen op aanstaande uitbraken.
“We willen de cognitieve last bij beleidsmakers verminderen en betrouwbare voorspellingen bieden, zelfs bij onvolledige gegevens,” aldus Mauricio Santillana, hoogleraar natuurkunde en directeur van de Machine Intelligence Group for the Betterment of Health and the Environment.
AI-modellen wereldwijd getest
De modellen werden getest op 180 locaties wereldwijd, waaronder in Brazilië, Thailand, Mexico en Puerto Rico. Zelfs in gebieden met beperkte testcapaciteit of vertraagde rapportage, scoorden de AI-modellen consequent hoog op nauwkeurigheid.
Daarnaast onderzochten de wetenschappers regionale verspreidingspatronen van dengue in Noord- en Zuid-Amerika. Uit data van 14 landen bleek dat uitbraken zich vaak in een golfbeweging door het continent verspreiden, van het zuidelijk halfrond vroeg in het jaar naar het noorden in de daaropvolgende maanden.
“Gezondheidsautoriteiten kunnen veel leren door te kijken naar uitbraken in aangrenzende landen. De interactie tussen klimaat, menselijke mobiliteit en lokale infrastructuur speelt hierin een sleutelrol”, aldus Michael Johansson, hoogleraar volksgezondheidsonderzoek aan Northeastern University. De resultaten van het onderzoek zijn gepubliceerd in Proceedings of the National Academy of Sciences.
Sneller (preventief) handelen
De onderzoekers benadrukken dat betere monitoring van regionale trends, gecombineerd met slimme, AI-gedreven analyses, zorgprofessionals in staat stelt om sneller te handelen en preventieve maatregelen te treffen. Denk aan het versterken van testcapaciteit, voorlichting of gerichte vectorbestrijding op de juiste plaats en het juiste moment.
Met het toenemende belang van data gedreven zorg biedt deze aanpak een veelbelovend perspectief op proactieve infectieziektebestrijding met technologie als cruciale bondgenoot in de strijd tegen dengue.
AI in de strijd tegen malaria
Naast dengue is malaria ook nog altijd een probleem in grote delen van de wereld en al in 2023 werd met succes onderzoek gedaan naar een AI-gedreven oplossing voor het kunnen detecteren van malariaparasieten in het bloed. Onderzoekers van University College London Hospitals (UCLH) toonden toen aan dat en geautomatiseerd microscoopsysteem, in combinatie met AI, malariaparasieten in bloedmonsters met 88 procent nauwkeurigheid kan detecteren. Een aanpak die een veelbelovende aanvulling betekende op de traditionele microscopische diagnostiek, die intensief is en deskundigheid vereist.
Het AI-systeem identificeerde 99 van de 113 positief bevonden gevallen correct, maar gaf ook 122 fout-positieve uitslagen. Ondanks deze beperkingen zagen de onderzoekers potentieel in de technologie om de werkdruk van microscopisten te verlagen en diagnostiek breed inzetbaar te maken.
