Süvaõpe leidis, et 31,9% ühe Indoneesia regentsuse seisva vee kogusest sisaldas sääsevastseid
Pangandarani tervisemeeskond lendas tarbijaklassi drooniga ühe Indoneesia regentsuse kohal, andis fotod süvaõppe mudelile ja lasi sel valida 4 400 pildi seast välja iga loigu. Kõik 47 seisva vee kohta, mille mudel märkis, sisaldasid tegelikult vett. Viisteist neist, 31,9%, sisaldasid sääsevastseid, sealhulgas kahte peamist kohalikku malaariavektorit.
Pangandarani tervisemeeskond lendas tarbijaklassi drooniga ühe Indoneesia regentsuse kohal, andis fotod süvaõppe mudelile ja lasi sel valida 4 400 pildi seast välja iga loigu. Kõik 47 seisva vee kohta, mille mudel märkis, sisaldasid tegelikult vett. Neist viisteist, 31,9%, sisaldasid sääsevastseid, sealhulgas kahte peamist kohalikku malaariavektorit. Tulemus, mis avaldati sel kuul Scientific Reports'is, on 2026. aasta puhtaim madala kuluga tööjuhend sääse elupaikade kaardistamiseks ning see töötab ilma satelliidi, multispektraalse anduri või piltide ühendamise torustikuta, mis on tehnoloogia siiani rajooni terviseametite käeulatusest välja jätnud.
Mida artikkel tegelikult tegi
Pangandarani rahvatervise labor, mis on Indoneesia tervishoiuministeeriumi üksus, tegi koostööd teadlastega Ehime Ülikoolist (Jaapan), Lurio Ülikoolist (Mosambiik), Tokyo Naiste Meditsiiniülikoolist ja Universitas Padjadjaranist. Nad küsisid: kas süvaõppe mudel suudab leida seisvat vett odavates, töötlemata droonipiltides ja jätta vahele kalisa piltide üheks georefereeritud kaardiks ühendamise etapi?
Vastus on jah. Meeskond lendas tarbijaklassi droonidega üle Pangandarani regentsuse, mis on rannikuala Java lõunaservas, ja kogus üle 4 400 värvi- ja hallskaalapildi, millest igaühel oli oma GPS-märgis. Meeskond jooksutas need läbi DeepLabV3+ mudelist koosneva EfficientNetV2 selgroaga töövahendiga, mis on 2026. aasta madala kuluga arvutinäguse tööhobune.
Mudel ei üritanud fotosid mosaiikiks ühendada. See skooris iga pilti eraldi, kasutas GPS metaandmeid positiivsete ennustuste kaardile paigutamiseks ning lasi kõik läbi pilvetorustiku. Spetsiaalset riistvara ei olnud. Omanduslikku piltide ühendamise tarkvara ei olnud. Multispektraalset andurit ei olnud.
Mida mudel leidis
Segmenteerimiskvaliteet, mõõdetuna keskmise Intersection over Union'iga (mIoU), oli 0,86 värvipiltidel ja 0,80 halltoonidel, mõlemad on publikatsioonikõlbulikud tulemused veekogude segmenteerimiseks aerofotodel.
Avalikkuse jaoks olulisem number on see, mis välitingimustes juhtus. Meeskond külastas 47 kohta, mille mudel oli märkinud seisva veena. Igaühes neist oli vesi. Neist 47-st viisteist, 31,9%, sisaldasid sääsevastseid, sealhulgas kahte peamist kohalikku malaariavektorit Anopheles vagus ja Anopheles sundaicus, kellest viimane on riimvees sigiv liik, kes kasvab hästi Lõuna-Java rannikulagunedes.
31,9% on toimetuse põhipunkt. Enamik seisva vee kohti ei sisalda sääsevastseid; mudel teeb seda, mida iniminspektor teeks, märgistades iga loigu, kraavi ja riisinurga, ning lastes teisel ringil sorteerida tõelised vastsete elupaigad ebaolulistest. Artikli uuendus on esimene ring: selle muutmine odavaks, kiireks ja skaleeritavaks.
Miks „ortomosaiigita" osa oluline on
Seni on droonipõhine elupaikade kaardistamine tähendanud ortomosaiigi tootmist, ühtainsat kõrge eraldusvõimega georefereeritud pilti, mis on õmmeldud sadadest kattuvatest fotodest. See etapp nõuab kommertstarkvara (Pix4D, Agisoft, DroneDeploy, aastased litsentsid neljakohalises suurusjärgus), lauaarvutit ja tunde töötlemist ühe uuringu kohta. Hea rahastusega ülikooli uurimisrühmale on see rutiinne. Malaaria levikupiirkonna rajooni terviseametile on see olnud teostamatu.
Francisco ja tema kolleegid jätsid selle vahele. Nad kasutasid iga pildi sisse ehitatud GPS koordinaate ja lasid pilvel raske töö ära teha.
Kolm asja, mis 2026. aastal kohtuvad
Pangandarani artikkel jõuab välja samal nädalal kolme teise eelretsenseeritud tulemusega, mis muudavad seda, mida „vektortõrje" kitsa eelarvega terviseameti jaoks tähendab.
Atmosfääri ja linna vormi kirjandus on just sulgenud pikka aega lahti olnud lingi. 18. juuni PNAS artikkel, mille autoriteks on Lugão ja kolleegid Juiz de Fora Föderaalülikoolist ning Goiás Föderaalülikoolist, modelleerib Aedes aegypti populatsioone Brasiilia linnades, kaasates nii atmosfääri kui linna vormi kaasmuutujaid, ning leiab, et linna morfoloogia on tugevam kuumkohtade mõjur kui üksnes temperatuur. 19. juuni iScience artikkel Liu ja kolleegidega laiendab loogika 108 riigile, kus üleujutuse kestus on mõjur. Sääsk on linnamastaapi probleem enne, kui ta on ilmamastaapi probleem.
Kogukondade ennetuse kirjandus on andnud oma puhtaima andmepunkti. Filipiinide tervishoiuministeerium teatas 50 727 denguejuhust 2026. aasta esimese viie kuuga, mis on 56% vähenemine võrreldes 2025. aastaga, ning tunnustas „4T" kampaaniat: Taob, Taktak, Tuyo, Takip (anumate tühjendamine ja ümberpööramine, vee väljaloksutamine, ümbruse kuivana hoidmine, veeanumate katmine). 4T töötab, kuid ainult siis, kui kogukond teab, kus sigimiskohad asuvad. Pangandarani artikkel on puuduv ülesvoolu tükk.
Tehisintellekti ja kujutise kirjandus on nüüd andnud oma esimese valdkonnas valideeritud madala kuluga töövoo vastsete elupaikade kaardistamiseks. Pangandarani artikkel on esimene eelretsenseeritud demonstratsioon, et töövoo peab vastu malaaria levikupiirkonnas, kohaliku vektortõrje meeskonnaga välitingimustes ja ilma taristuta, mis on ajalooliselt tehnoloogia rikka maailma uurimiskirjanduses hoidnud.
Kolm haru üksteist ei asenda. Atmosfääri mudelid ütlevad linnale, kus kuumkohad on; kogukonnakampaaniad ütlevad naabruskonnale, mida teha; drooni ja tehisintellekti töövoog ütleb välimeeskonnale, millised loigud esimesena tühjendada.
31,9% leid on kasulik meeldetuletus leibkonna tasandil: enamik seisvat vett ei ole sigimiskoht. Isikukaitse kiht ei muutu: tühjendage lillealuste alused, pöörake ämbrid ümber, katke veemahutid, magage töödeldud võrgu all või sõeltega ruumis ning kasutage tõestatud repellent'i katmata nahal hämaruse ja koidiku ajal.
Mida teha
Leibkonna või väikese objekti puhul on Pangandarani leiust praktiline järeldus muutumatu: enamik seisvat vett ei ole sigimiskoht, seega seisneb töö selles, et leida need vähesed, mis on.
- Tühjendage või pöörake ümber iga anum, mis võib vett pidada üle paari päeva (ämbrid, lillealused, presendid, vanad rehvid).
- Loksutage, küürige ja täitke lemmikloomade joogikausid ning linnuvannid vähemalt kord nädalas; vastsed küpsevad ligikaudu seitsme kuni kümne päevaga.
- Katke veemahutid ja tünnid tihedalt istuvate kaante või peene võrguga.
- Puhastage katuse vihmaveerennid ja lamekatuse äravoolud enne vihmaperioodi.
- Täitke või kuivendage aia madalamad kohad ning hoidke dekoratiivtiikides kalu, kus võimalik; larvivoolsed kalad suruvad maha Culex'i ja Anopheles'e sigimist.
- Kasutage tõestatud isikukaitset hämaruses ja koidikul: pikad varrukad ja püksid, töödeldud võrk või sõeltega ruum ning repellent katmata nahal.
- Rajooni või munitsipaalmeeskondadele on Pangandarani töövoog nüüd tugevaim avaldatud argument madala kuluga drooniuuringute lisamiseks rutiinsesse vastsete allikate tõrjesse, eriti vihmaperioodil.
Mida järgmise kaheteistkümne kuu jooksul jälgida
Valideerimine teistes piirkondades. Pangandarani artikkel on üks rajoon ranniku-Indoneesias. Töövoog vajab uuesti jooksutamist Saheli riigis, Lõuna-Ameerika linnas (kus domineerib Aedes aegypti) ja Vaikse ookeani saarel (kus inimese ja looduse liides on aktiivne piir). Arhitektuur on kaasaskantav; treeningandmed ei ole.
Avatud lähtekoodiga torustik. Francisco meeskond kasutas DeepLabV3+ ja EfficientNetV2, kuid mudeli kaalud ja eeltöötluse kood ei ole veel avalikud. Kõige olulisem järeltegevus oleks eeltreitud mudeli avalik väljalase, mida iga terviseamet saab alla laadida.
Integreerimise küsimus. Kõige kasulikum järgmine artikkel seob Pangandarani töövoo vektortõrje otsusega: mudel leiab koha, välimeeskond saab telefoni teavituse, töötaja kinnitab vastsed, kohalik 4T-ekvivalentne kampaania jõustub 48 tunni jooksul. See otsast lõpuni silmus on operatiivselt huvitav asi. Pangandarani artikkel on esimene tükk.
Mida me teame
- Süvaõppe mudel, mis oli treenitud 4 400 üksiku droonipildiga Pangandarani regentsusest Indoneesias, tuvastas seisva vee kohad keskmise Intersection over Union'iga (mIoU) 0,86 värvipiltidel ja 0,80 halltoonidel, publikatsioonikõlbuliku tulemusega veekogude segmenteerimisel aerofotodel. Francisco et al., Sci Rep (2026)
- Välivalideerimine 47 kohal, mille mudel oli märkinud seisva veena, kinnitas vee olemasolu 100% juhtudest; 15 nendest kohtadest (31,9%) sisaldasid sääsevastseid, sealhulgas peamisi kohalikke malaariavektoreid Anopheles vagus ja An. sundaicus. Francisco et al., Sci Rep (2026)
- Töövoog jätab ortomosaiigi tekitamise täielikult vahele. See kasutab iga üksiku droonipildi sisse ehitatud GPS metaandmeid mudeli positiivsete ennustuste kaardile paigutamiseks, töötab pilves ja ei vaja spetsiaalset riistvara ega omanduslikku piltide ühendamise tarkvara. Francisco et al., Sci Rep (2026)
- Arhitektuur on DeepLabV3+ EfficientNetV2 selgroaga. Uuringut juhtisid teadlased Ehime Ülikoolist, Lurio Ülikoolist, Pangandarani rahvatervise laborist (Indoneesia tervishoiuministeerium), Tokyo Naiste Meditsiiniülikoolist ja Universitas Padjadjaranist. PubMed 42315628
- Tööd rahastas Jaapani Teaduse Edendamise Seltsi (JSPS) ühise uurimisprojekti grant JPJSCCB20240008 ning artikkel on avaldatud avatud juurdepääsuga Scientific Reports'is (DOI 10.1038/s41598-026-58240-4). Francisco et al., Sci Rep (2026)
Viidatud allikad
- Francisco, Micanaldo Ernesto, Andri Ruliansyah, Firda Yanuar Pradani, Gaku Masuda, Lia Faridah, Kozo Watanabe. „Deep learning identifies water bodies from low-cost drone images for mosquito larval habitat mapping." Scientific Reports (Nature), 18. juuni 2026. DOI 10.1038/s41598-026-58240-4. Avatud juurdepääs. https://www.nature.com/articles/s41598-026-58240-4
- Francisco et al. (2026), PubMed kirje, PMID 42315628, indekseeritud 18. juunil 2026. https://pubmed.ncbi.nlm.nih.gov/42315628/
- Liu, Q., Zhang, S., Liu, M., Liu, J. „Impact of flood duration on dengue burden across 108 countries." iScience (Cell Press), eCollection 19. juuni 2026 (veebis 25. aprill 2026). DOI 10.1016/j.isci.2026.115917. https://pubmed.ncbi.nlm.nih.gov/42169817/
- Lugão, P. H. G., da Silva, M. R., Cascelli, R., Chapiro, G. „Spatial and temporal prediction of Aedes aegypti populations with atmospheric and urban forms dependence." PNAS 123(25):e2533964123, avaldatud veebis 18. juunil 2026. DOI 10.1073/pnas.2533964123. https://pubmed.ncbi.nlm.nih.gov/42313935/
Newsletter
Stay in the loop
Field reports, threat updates and seasonal mosquito alerts, once a month. No filler.