211service.com
Globalt myggavkännande nätverk som byggs med hjälp av smartphones
Malaria är en mördare. Upp till 600 miljoner människor lider av sjukdomen, och varje år dör en miljon av den. Enligt UNICEF är de flesta av dem barn under fem år som bor i Afrika söder om Sahara.
Så att förhindra spridning av malaria är ett viktigt mål. Hälsoexperter har olika sätt att kontrollera spridningen av sjukdomen. Vissa av dessa insatser har varit enormt framgångsrika men andra mindre. Men skillnaden mellan framgång och misslyckande är ofta dåligt förstådd.
Ett problem är att malaria överförs av infekterade Anopheles-myggor, och dessa utgör endast en liten bråkdel av myggarter. Det finns cirka 60 Anopheles-arter som kan överföra malaria, av totalt 3 600 olika myggarter.
Anopheles stephensi - en av 40 myggarter som kan överföra malaria, av totalt 3 600 arter.
Det är svårt att spåra myggor över stora områden och ännu svårare att identifiera deras arter. Och det gör det svårt att förstå hur ett ingrepp påverkar populationerna av olika arter. För att lösa detta problem skulle sjukdomsexperter verkligen älska att ha ett billigt sensorsystem för att övervaka myggpopulationer som enkelt kan distribueras till avlägsna platser.
Ange Yunpeng Li och kompisar vid University of Oxford i Storbritannien, som säger att de har utvecklat just ett sådant system. Deras tillvägagångssätt utnyttjar det faktum att myggarter kan identifieras av ljudet som deras vingar gör när de flyger. Dessa ljud kan plockas upp och spelas in av en smartphone.
Så lagets sensorsystem är en Android-smarttelefonapp som heter MozzWear som kan spela in myggljud, tillsammans med tid och plats, och sedan skicka data till en central server där arten identifieras.
Eftersom smartphones är allmänt tillgängliga, även i många utvecklingsländer, kan detta system distribueras brett relativt enkelt. Åtminstone i teorin.
Li och cos tillvägagångssätt är att träna en maskininlärningsalgoritm för att känna igen den karakteristiska akustiska signaturen för olika arter och sedan identifiera insekterna därefter.
Olika studier har visat hur det är möjligt att identifiera myggor genom ljudet de gör. Det är till och med möjligt att särskilja könen, eftersom hanarna varierar sin vingslagsfrekvens för att locka till sig kompisar. Ändå är uppgifterna sparsamma.
Det är inte bra för maskinlärande algoritmer, som bara kan lära sig av stora mängder data, vanligtvis annoterade i förväg av människor. I det här fallet har dessa datamängder helt enkelt inte skapats. Så Li och co har påbörjat det enorma uppdraget att skapa sin egen databas, med hjälp av kollegor och medborgarforskare.
Först samlade de in inspelningar av myggor som samlats in av Centers for Disease Control and Prevention i USA och U.S. Army Military Research Unit i Kisumu, Kenya. Dessa involverade sju olika arter och totalt 62 olika prover.
Därefter markerar teamet de relevanta funktionerna i en spektrograf av dessa inspelningar med hjälp av medborgarforskarens crowdsourcingtjänst Zooniverse. Den första uppgiften för dessa forskare är att markera de regioner i varje inspelning som innehåller identifierbara myggljud. De använder sedan dessa data för att träna en maskininlärningsalgoritm för att känna igen dessa sju olika arter enbart från deras ljud.
Slutligen testar Li och co systemet genom att ladda appen på en billig smartphone – en Alcatel One Touch 4009X, som de säger kostar cirka 20 pund – och sedan använda den för att övervaka omgivande ljudnivåer när de spelar inspelningar av myggorna.
Appen skickar dessa inspelningar till en central server, som använder maskininlärningsalgoritmen för att identifiera de flygande bestarna.
Resultaten är inte dåliga. Maskinen upptäcker exakt Anopheles-arten av mygga cirka 72 procent av tiden. Detektionsnoggrannheten för Anopheles-myggor, som är malariavektorer, är imponerande, säger Li och vänner.
Det är en användbar proof-of-princip demonstration. Den visar att billiga smartphones kan bli billiga myggsensorer. Vårt akustiska myggdetektionssystem erbjuder, trots att vi använder billiga smartphones, en lovande väg för live-detektering – och artklassificering – av myggor som är kända för vektormalaria, säger Li och co.
Men det finns ett stort arbete framför oss. Teamet behöver nu dramatiskt öka antalet arter som MozzWear-appen kan identifiera. Det kommer inte att bli lätt, eftersom inspelningar av hög kvalitet inte är lätta att göra. Det kommer också att vara tidskrävande med tanke på de 3 600 olika arter som finns där ute.
Sedan måste teamet sprida appen och övertala folk att använda den. Det kommer att bli knepigt också. Vissa appar sprids viralt, men andra kräver betydande marknadsföring. Och på platser där batterikraften är högst, är en intressant fråga om människor kan övertalas att ägna dyrbar batterikraft till denna typ av strävan.
Låt oss hoppas att de gör det. En bättre förståelse för hur myggpopulationer varierar över hela världen och hur de förändras över tiden kommer att vara ovärderlig. Det kan till och med bidra till att minska förekomsten av malaria och de dödsfall som den orsakar.
Ref: arxiv.org/abs/1711.06346 : Myggdetektion med billiga smartphones: Datainsamling för malariaforskning