Modell für maschinelles Lernen kann Ausbruchsmuster der Vogelgrippe in Europa genau vorhersagen

Modell für maschinelles Lernen kann Ausbruchsmuster der Vogelgrippe in Europa genau vorhersagen

Lokale Faktoren wie die saisonale Temperatur, der jahresabhängige Wasser- und Vegetationsindex sowie Daten zur Tierdichte können genutzt werden, um regionale Ausbrüche der Vogelgrippe in Europa vorherzusagen. Zu diesem Ergebnis kommt ein Forscherteam um den Epidemiologen, Mathematiker und Statistiker Prof. Dr. Joacim Rocklöv. Die Forscher der Universität Heidelberg haben ein maschinelles Lernmodell entwickelt, das anhand verschiedener Indikatoren mit hoher Genauigkeit Ausbruchsmuster der hochpathogenen Vogelgrippe in Europa vorhersagen kann. Der Modellierungsansatz und die gezielte Datenerhebung könnten daher zu proaktiven Präventionsmaßnahmen beitragen.

Von der hochpathogenen Vogelgrippe-Virusinfektion – allgemein Vogelgrippe genannt – sind vor allem Vögel betroffen. Aber auch Säugetiere sind zunehmend infiziert. Dadurch, berichten die Forscher, erhöhe sich die Wahrscheinlichkeit, dass das Virus auf den Menschen übertrage. Um Ausbrüche der Vogelgrippe besser vorhersagen und frühzeitige Präventionsmaßnahmen ergreifen zu können, hat das Team um Prof. Rocklöv vom Interdisziplinären Zentrum für Wissenschaftliches Rechnen und dem Heidelberger Institut für Globale Gesundheit ein Modell entwickelt, das verschiedene Indikatoren für einen möglichen Ausbruch kombiniert und zur Modellierung Methoden des maschinellen Lernens nutzt.

Das Modell wurde anhand von Daten zu Vogelgrippeausbrüchen in Europa trainiert, die zwischen 2006 und 2021 dokumentiert wurden. Als mögliche Indikatoren für ein bevorstehendes Ereignis identifizierten die Heidelberger Forscher lokale Faktoren wie Temperatur- und Niederschlagsbedingungen, Wildvogelarten, Geflügelfarmdichte, Vegetationszusammensetzung und Wasserstände. Durch die Kombination dieser komplexen, voneinander abhängigen saisonalen und regionalen Variablen konnten die Forscher Ausbruchsmuster mit einer Genauigkeit von bis zu 94 Prozent modellieren.

„Die Kombination unseres Modellierungsansatzes und der gezielten Datenerhebung kann uns helfen, die Hochrisikogebiete und Jahreszeiten, in denen Ausbrüche der Vogelgrippe wahrscheinlicher sind, genauer abzubilden„, betont Joacim Rocklöv, Alexander von Humboldt-Professor, der in mehreren Projekten an der Universität und dem Universitätsklinikum Heidelberg zu den Auswirkungen von Klima- und Umweltveränderungen auf die öffentliche Gesundheit forscht. Laut Prof. Rocklöv könnten die Forschungsergebnisse dazu genutzt werden, regionale Überwachungsprogramme in ganz Europa zu entwerfen und die Früherkennung zu verbessern.

Die Forschungsarbeiten wurden von der Alexander von Humboldt-Stiftung im Rahmen des Horizon Europe-Programms der Europäischen Union gefördert. Die Ergebnisse wurden in der Fachzeitschrift „Scientific Reports“ veröffentlicht.

Quellen: