211service.com
Globales Mosquito-Sensing-Netzwerk, das mit Smartphones aufgebaut wird
Malaria ist ein Killer. Bis zu 600 Millionen Menschen leiden an der Krankheit, und jedes Jahr sterben eine Million daran. Laut UNICEF sind die meisten von ihnen Kinder unter fünf Jahren, die in Subsahara-Afrika leben.
Daher ist die Verhinderung der Ausbreitung von Malaria ein wichtiges Ziel. Gesundheitsexperten haben verschiedene Möglichkeiten, die Ausbreitung der Krankheit einzudämmen. Einige dieser Interventionen waren sehr erfolgreich, andere weniger. Aber der Unterschied zwischen Erfolg und Misserfolg wird oft nur unzureichend verstanden.
Ein Problem ist, dass Malaria durch infizierte Anopheles-Mücken übertragen wird und diese nur einen winzigen Bruchteil der Mückenarten ausmachen. Es gibt etwa 60 Anopheles-Arten, die Malaria übertragen können, von insgesamt 3.600 verschiedenen Mückenarten.
Anopheles stephensi – eine von 40 Mückenarten, die Malaria übertragen können, von insgesamt 3.600 Arten.
Das Verfolgen von Moskitos über große Gebiete ist schwierig, und das Identifizieren ihrer Arten noch schwieriger. Und das macht es schwierig zu verstehen, wie ein Eingriff die Populationen verschiedener Arten beeinflusst. Um dieses Problem zu lösen, hätten Krankheitsexperten gerne ein kostengünstiges Sensorsystem zur Überwachung von Mückenpopulationen, das leicht an abgelegene Orte verteilt werden kann.
Betreten Sie Yunpeng Li und seine Freunde an der University of Oxford in Großbritannien, die sagen, dass sie genau ein solches System entwickelt haben. Ihr Ansatz nutzt die Tatsache aus, dass Mückenarten durch das Geräusch ihrer Flügel beim Fliegen identifiziert werden können. Diese Geräusche können von einem Smartphone aufgenommen und aufgezeichnet werden.
Das Sensorsystem des Teams ist also eine Android-Smartphone-App namens MozzWear, die Mückengeräusche zusammen mit Zeit und Ort aufzeichnen und die Daten dann an einen zentralen Server senden kann, auf dem die Art identifiziert wird.
Da Smartphones auch in vielen Entwicklungsländern weit verbreitet sind, kann dieses System relativ einfach weit verbreitet werden. Zumindest in der Theorie.
Der Ansatz von Li und Co besteht darin, einen maschinellen Lernalgorithmus darauf zu trainieren, die charakteristische akustische Signatur verschiedener Arten zu erkennen und die Insekten dann entsprechend zu identifizieren.
Verschiedene Studien haben gezeigt, wie es möglich ist, Mücken anhand ihres Geräusches zu identifizieren. Es ist sogar möglich, die Geschlechter zu unterscheiden, da die Männchen ihre Flügelschlagfrequenz variieren, um Partner anzulocken. Trotzdem sind die Daten spärlich.
Das ist nicht gut für maschinell lernende Algorithmen, die nur aus riesigen Datenmengen lernen können, die normalerweise von Menschen im Voraus annotiert werden. In diesem Fall wurden diese Datensätze einfach nicht erstellt. Also haben Li und Co. mit der Hilfe von Kollegen und Bürgerwissenschaftlern die gewaltige Aufgabe begonnen, ihre eigene Datenbank zu erstellen.
Zunächst sammelten sie Aufzeichnungen von Moskitos, die von den Centers for Disease Control and Prevention in den USA und der Military Research Unit der US-Armee in Kisumu, Kenia, gesammelt wurden. Dabei handelte es sich um sieben verschiedene Arten und insgesamt 62 verschiedene Proben.
Als nächstes markiert das Team die relevanten Merkmale in einem Spektrogramm dieser Aufnahmen mit Hilfe des Citizen Scientist Crowdsourcing-Dienstes Zooniverse. Die erste Aufgabe für diese Wissenschaftler besteht darin, die Regionen in jeder Aufnahme zu markieren, die identifizierbare Mückengeräusche enthalten. Sie verwenden diese Daten dann, um einen maschinellen Lernalgorithmus zu trainieren, um diese sieben verschiedenen Arten allein anhand ihres Klangs zu erkennen.
Schließlich testen Li und Co. das System, indem sie die App auf ein billiges Smartphone laden – ein Alcatel One Touch 4009X, von dem sie sagen, dass es etwa 20 £ kostet – und es dann verwenden, um den Umgebungsgeräuschpegel zu überwachen, während sie Aufnahmen der Mücken abspielen.
Die App sendet diese Aufzeichnungen an einen zentralen Server, der den maschinellen Lernalgorithmus verwendet, um die fliegenden Bestien zu identifizieren.
Die Ergebnisse sind nicht schlecht. Die Maschine erkennt die Mückenart Anopheles in etwa 72 Prozent der Fälle genau. Die Erkennungsgenauigkeiten für Anopheles-Mücken, die Malaria-Überträger sind, sind beeindruckend, sagen Li und seine Freunde.
Das ist eine nützliche Proof-of-Principle-Demonstration. Es zeigt, dass günstige Smartphones zu günstigen Mückensensoren werden können. Unser akustisches Mückenerkennungssystem bietet trotz der Verwendung kostengünstiger Smartphones einen vielversprechenden Weg für die Live-Erkennung – und Artenklassifizierung – von Mücken, die als Überträger von Malaria bekannt sind, sagen Li und Co.
Aber es liegt noch viel Arbeit vor uns. Das Team muss nun die Anzahl der Arten, die die MozzWear-App identifizieren kann, drastisch erhöhen. Das wird nicht einfach, denn qualitativ hochwertige Aufnahmen sind nicht einfach zu machen. Es wird auch zeitaufwändig sein, angesichts der 3.600 verschiedenen Arten, die es gibt.
Dann muss das Team die App verbreiten und die Leute davon überzeugen, sie zu nutzen. Auch das wird knifflig. Einige Apps verbreiten sich viral, andere erfordern erhebliches Marketing. Und an Orten, an denen Batterieleistung hoch im Kurs steht, ist eine interessante Frage, ob die Menschen davon überzeugt werden können, wertvolle Batterieleistung für diese Art von Unterfangen zu verwenden.
Hoffen wir, dass sie es tun werden. Ein besseres Verständnis dafür, wie Mückenpopulationen weltweit variieren und wie sie sich im Laufe der Zeit verändern, wird von unschätzbarem Wert sein. Es kann sogar dazu beitragen, das Auftreten von Malaria und die dadurch verursachten Todesfälle zu verringern.
Ref: arxiv.org/abs/1711.06346 : Moskito-Erkennung mit Low-Cost-Smartphones: Datenerfassung für die Malaria-Forschung