Servicio de Información Comunitario sobre Investigación y Desarrollo - CORDIS

H2020

REMOSIS — Resultado resumido

Project ID: 691131
Financiado con arreglo a: H2020-EU.2.
H2020-EU.3.
País: Alemania
Dominio: Salud

La inteligencia artificial mejora la identificación de mosquitos para optimizar el control de enfermedades

El control eficaz de los vectores de enfermedades depende de una identificación rápida y sencilla, un procedimiento del que carecen actualmente las regiones más afectadas. Un proyecto financiado con fondos europeos proporciona una solución basada en la inteligencia artificial (IA).
La inteligencia artificial mejora la identificación de mosquitos para optimizar el control de enfermedades
Millones de ciudadanos de todo el mundo están infectados por enfermedades transmitidas por mosquitos vectores, lo que resulta en miles de muertes, pérdida de ingresos debido a problemas de salud y una sangría en los sistemas sanitarios nacionales. Actualmente existen pruebas que indican que el cambio climático está favoreciendo la propagación de más enfermedades transmitidas por mosquitos en Europa. Los esfuerzos integrales dirigidos a abordar el problema dependen en gran medida de la obtención de información precisa sobre las poblaciones de mosquitos en un área determinada, lo que conlleva frecuentemente la inspección manual periódica de trampas.

El proyecto REMOSIS desarrolló trampas inteligentes que reducen los costes de investigación y el tiempo invertido necesarios. El dispositivo denominado BG-Eye utilizó con éxito el aprendizaje automático para distinguir entre diferentes especies de mosquito, detectar especies de especial interés (como los vectores invasores de enfermedades) y discriminar entre los sexos de la misma especie, información necesaria para llevar a cabo una acción preventiva eficaz.

No todas las especies son iguales

No todas las especies de mosquito tienen el mismo interés para los investigadores, especialmente a la hora de examinar casos de especies invasoras o la transmisión de determinadas enfermedades. Por tanto, poder distinguirlas es crucial. Hasta ahora, esto solo podía realizarse llevando los mosquitos capturados en las trampas al laboratorio para proceder a su identificación manual. Este proceso es evidentemente muy laborioso, caro y, con frecuencia, adolece de imprecisiones debido al error humano.

El dispositivo (BG-Eye) del proyecto REMOSIS, financiado con fondos europeos, emplea la IA para mejorar constantemente sus capacidades de identificación de especies de interés, aprendiendo de sus experiencias previas. El doctor Andreas Rose, coordinador del proyecto, explica: «El entrenamiento básico se lleva a cabo en el laboratorio con mosquitos criados en condiciones controladas, donde el dispositivo aprende a identificar las especies de interés. Seguidamente, el dispositivo se instala en el terreno, donde se evalúan sus capacidades de identificación y, si es necesario, se ajustan. Tras esto, este puede emplear lo que ha aprendido de manera autónoma».

Una característica importante del dispositivo BG-Eye es que puede utilizarse en combinación con trampas antimosquitos de succión por ventilador disponibles en el mercado. Esto significa que ya se puede usar fácilmente junto con herramientas estándar de campo para el seguimiento de mosquitos. Hasta ahora, las tecnologías similares solo funcionaban en condiciones experimentales en el laboratorio con mosquitos fuera de la corriente de aire creada por una trampa antimosquitos.

La unidad de detección BG-Eye es una mejora de un dispositivo ya comercializado denominado BG-Counter, que discrimina entre mosquitos y otros insectos al succionar la captura en la trampa a través de una delgada barrera fotoeléctrica. Sin embargo, la señal resultante es demasiado breve para diferenciar las especies de mosquito y, por tanto, REMOSIS se centró en dilatar la señal y aumentar el número de puntos de datos, lo que significa que los insectos tuvieron que ser escaneados durante más tiempo de lo que se había previsto originalmente.

La actualización resultó todo un éxito, tal como recuerda el doctor Rose, «la precisión con la que la IA era capaz de discriminar entre especies que visualmente son muy difíciles de distinguir constituyó, al menos para los biólogos del equipo, toda una sorpresa. Después de proporcionar más datos a los algoritmos de aprendizaje automático, el sistema aprendió a distinguir entre dos especies de mosquito del género "Anopheles", que solo pueden diferenciarse empleando métodos moleculares».

Salvaguardar el sistema inmunitario de la sociedad

El seguimiento de vectores potenciales de enfermedades consiste, en esencia, proteger el sistema inmunitario de la sociedad, por lo que la rapidez para detectar la amenaza resulta en un control más activo de esa amenaza.

Como resume el doctor Rose: «Con el dispositivo de REMOSIS, la vigilancia y el control de los mosquitos vectores de enfermedades serán más rápidos, proporcionando información precisa casi en tiempo real. Esto permite realizar actividades de control extremadamente precisas y eficaces, con costes muy reducidos, tiempos de reacción mucho más cortos y un menor impacto en el medio ambiente».

Actualmente, el equipo está trabajando en hasta cinco prototipos, con la funcionalidad completa del producto final. Estos dispositivos se enviarán a diferentes socios de todo el mundo para recolectar mosquitos en diferentes hábitats y entornos.

Cada conteo proporcionará una firma electrónica específica para estos insectos y el aprendizaje automático, los algoritmos y la IA se emplearán para calibrar la tecnología. A medida que crezca la biblioteca de firmas de mosquitos, se seleccionarán hábitats más complejos con muchas especies diferentes de mosquitos.

Información relacionada

Palabras clave

REMOSIS, mosquito, malaria, enfermedad, vectores, Zika, dengue, inteligencia artificial, aprendizaje automático, algoritmo, especie, insectos, identificación
Síganos en: RSS Facebook Twitter YouTube Gestionado por la Oficina de Publicaciones de la UE Arriba