Duboko učenje otkrilo je da 31,9% stajaće vode u jednoj indonežanskoj pokrajini sadrži ličinke komaraca

Zdravstveni tim u Pangandaranu upravljao je potrošačkim dronom nad jednom indonežanskom pokrajinom, ubacio fotografije u model dubokog učenja i pustio ga da odabere svaku lokvu na 4.400 slika. Svih 47 lokacija stajaće vode koje je model označio zapravo je sadržavalo vodu na terenu. Petnaest od njih, 31,9%, sadržavalo je ličinke komaraca, uključujući dva primarna lokalna vektora malarije. Rezultat, objavljen ovaj mjesec u Scientific Reports, najčišći je priručnik za kartiranje staništa komaraca s niskim troškovima koji je 2026. dao, a radi se bez satelita, multispektralnog senzora ili cjevovoda za spajanje slika koji su tehnologiju držali izvan dohvata ureda okružnih zdravstvenih ustanova.

Što je rad zapravo učinio

Pangandaran Public Health Laboratory, jedinica Ministarstva zdravstva Indonezije, udružila se s istraživačima sa Sveučilišta Ehime (Japan), Sveučilišta Lurio (Mozambik), Tokijskog ženskog medicinskog sveučilišta i Sveučilišta Padjadjaran. Pitali su: može li model dubokog učenja pronaći stajaću vodu u jeftinim, neobrađenim slikama drona, i preskočiti skupi korak spajanja u jednu georeferenciranu kartu?

Odgovor je da. Tim je upravljao potrošačkim dronovima iznad Pokrajine Pangandaran, obalne općine na južnom rubu Jave, i prikupio više od 4.400 pojedinačnih slika u boji i sivim tonovima, svaku s vlastitim GPS zapisom. Tim ih je pokrenuo kroz model DeepLabV3+ s okosnicom EfficientNetV2, radnim konjem računalnog vida s niskim troškovima u 2026.

Model se nije trudio spojiti fotografije u mozaik. Ocjenjivao je svaku sliku pojedinačno, koristio GPS metapodatke za postavljanje pozitivnih predikcija na kartu, i gurao sve kroz cjevovod u oblaku. Nema specijaliziranog hardvera. Nema vlasničkog softvera za spajanje slika. Nema multispektralnog senzora.

Što je model pronašao

Kvaliteta segmentacije, izmjerena srednjom vrijednošću presjeka nad unijom (mIoU), bila je 0,86 na slikama u boji i 0,80 na slikama u sivim tonovima, obje ocjene razine publikacije za segmentaciju vodenih tijela u zračnim snimkama.

Broj koji je važniji za javnozdravstvenu publiku je ono što se dogodilo na terenu. Tim je posjetio 47 lokacija koje je model označio kao stajaću vodu. Svaka je sadržavala vodu. Petnaest od 47, 31,9%, sadržavalo je ličinke komaraca, uključujući dva glavna lokalna vektora malarije Anopheles vagus i Anopheles sundaicus, od kojih je potonji uzgajivač u bočatoj vodi koji uspijeva u obalnim lagunama južne Jave.

Brojka od 31,9% urednička je poanta. Većina stajaće vode ne sadrži ličinke komaraca; model čini ono što bi učinio i ljudski istražitelj, označavajući svaku lokvu, jarak i kut rižinog polja, i dopuštajući da drugi prolaz razvrsta stvarna staništa ličinki od nebitnih. Inovacija rada je prvi prolaz: učiniti ga jeftinim, brzim i skalabilnim.

Zašto je "bez ortomozaika" bitan

Do sada je kartiranje staništa temeljeno na dronovima značilo proizvodnju ortomozaika, jedne slike visoke razlučivosti, georeferencirane, spojene od stotina preklapajućih fotografija. Korak zahtijeva komercijalni softver (Pix4D, Agisoft, DroneDeploy, godišnje licence u niskim četveroznamenkastim iznosima), radnu stanicu i sate obrade po istraživanju. Za istraživačku skupinu na dobro financiranom sveučilištu to je rutinski posao. Za ureda okružne zdravstvene ustanove u endemičnoj regiji malarije to je bilo neostvarivo.

Francisco i njegove kolege to su preskočili. Koristili su GPS koordinate ugrađene u svaku sliku i pustili oblak da obavi teški posao.

Tri stvari koje se susreću u 2026.

Rad iz Pangandarana stiže u istom tjednu kao i tri druge recenzirane rezultate koji mijenjaju značenje "kontrole vektora" za ured zdravstva s tijesnim proračunom.

Literatura o atmosferskim i urbanim oblicima upravo je zatvorila dugo otvorenu petlju. PNAS rad od 18. lipnja autora Lugãoa i kolega sa Saveznog sveučilišta Juiz de Fora i Saveznog sveučilišta Goiás modelira populacije Aedes aegypti diljem brazilskih gradova s atmosferskim i oblikovno-urbanskim kovarijatama, i pronalazi da je urbana morfologija snažniji pokretač žarišta od same temperature. iScience rad od 19. lipnja autora Liua i kolega proteže logiku na 108 zemalja, s trajanjem poplave kao pokretačem. Komarac je problem gradske razine prije nego što je problem vremenske razine.

Literatura o prevenciji u zajednici dala je najčišću podatkovnu točku. Ministarstvo zdravstva Filipina prijavilo je 50.727 slučajeva denga groznice u prvih pet mjeseci 2026., smanjenje od 56% u odnosu na 2025., i pripisalo zasluge kampanji "4Ts": Taob, Taktak, Tuyo, Takip (isprazniti i prevrnuti spremnike, istresti vodu, održavati okolinu suhom, pokriti spremnike za vodu). 4Ts djeluju, ali samo kad zajednica zna gdje su legla. Rad iz Pangandarana nedostajući je uzvodni dio.

Literatura o umjetnoj inteligenciji i snimanju sada je dala svoj prvi terenski validirani cjevovod niske cijene za kartiranje staništa ličinki. Rad iz Pangandarana prva je recenzirana demonstracija da cjevovod drži u endemičnoj regiji malarije, s lokalnim timom za kontrolu vektora na terenu, i bez infrastrukture koja je povijesno držala tehnologiju u literaturi bogatih zemalja.

Tri kraka ne zamjenjuju jedni druge. Atmosferski modeli govore gradu gdje će mu žarišta biti; kampanje u zajednici govore susjedstvu što učiniti; cjevovod drona i umjetne inteligencije govori terenskom timu koje lokve prvo isprazniti.

Nalaz od 31,9% koristan je podsjetnik na razini kućanstva: većina stajaće vode nije leglo. Sloj osobne zaštite ne mijenja se: isprazniti podloške, prevrnuti kante, pokriti spremnike za vodu, spavati pod tretiranom mrežom ili u zaklonjenim sobama, i koristiti provjereni repelent na izloženoj koži u sumrak i zoru.

Što učiniti

Za kućanstvo ili malo nalazište, praktični zaključak iz nalaza Pangandarana nepromijenjen je: većina stajaće vode nije leglo, pa je posao u pronalaženju onih malobrojnih koje jesu.

• Ispraznite ili prevrnite svaki spremnik koji može držati vodu dulje od nekoliko dana (kante, podloške za biljke, cerade, stare gume).
• Isperite, očistite i ponovno napunite posude za vodu za kućne ljubimce i pojilišta za ptice barem jednom tjedno; ličinkama treba otprilike sedam do deset dana da sazriju.
• Pokrijte spremnike za vodu i bačve čvrsto prianjajućim poklopcima ili finom mrežom.
• Očistite krovne žljebove i odvode ravnih krovova prije kišne sezone.
• Ispunite ili isušite niske točke u vrtu, i držite ribe u ukrasnim jezercima gdje je to izvedivo; ribe koje se hrane ličinkama suzbijaju razmnožavanje Culex i Anopheles.
• Koristite provjerenu osobnu zaštitu u sumrak i zoru: duge rukave i hlače, tretiranu mrežu ili zaklonjenu sobu, i repelent na izloženoj koži.
• Za okružne ili općinske timove, cjevovod Pangandarana sada je najjači objavljeni slučaj za dodavanje jeftinih istraživanja dronom u rutinsko upravljanje larvenim izvorima, osobito tijekom kišne sezone.

Što pratiti u sljedećih dvanaest mjeseci

Validacija u drugim regijama. Rad iz Pangandarana je jedna općina u obalnoj Indoneziji. Cjevovod će trebati ponoviti u sahelskoj zemlji, južnoameričkom gradu (gdje dominira Aedes aegypti) i pacifičkom otoku (gdje je sučelje čovjeka i divljih životinja aktivna granica). Arhitektura je prenosiva; podaci za obuku nisu.

Cjevovod otvorenog koda. Tim Francisco koristio je DeepLabV3+ i EfficientNetV2, ali težine modela i kod za predobradu još nisu javni. Najvažniji nastavak bio bi javno izdavanje prethodno obučenog modela koji svako ministarstvo zdravstva može preuzeti.

Pitanje integracije. Najkorisniji sljedeći rad povezuje cjevovod Pangandarana s odlukom o kontroli vektora: model pronalazi mjesto, terenski tim dobiva obavijest na telefon, radnik potvrđuje ličinke, lokalna ekvivalentna kampanja 4Ts raspoređuje se unutar 48 sati. Ta cjelovita petlja operativno je zanimljiva stvar. Rad iz Pangandarana prvi je dio.

Što znamo

• Model dubokog učenja obučen na 4.400 pojedinačnih slika drona iz Pokrajine Pangandaran, Indonezija, identificirao je lokacije stajaće vode sa srednjom vrijednošću presjeka nad unijom (mIoU) od 0,86 na slikama u boji i 0,80 na slikama u sivim tonovima, ocjena razine publikacije za segmentaciju vodenih tijela u zračnim snimkama. Francisco i sur., Sci Rep (2026.)
• Terenska validacija 47 lokacija koje je model označio kao stajaću vodu potvrdila je prisutnost vode u 100% slučajeva; 15 od tih lokacija (31,9%) sadržavalo je ličinke komaraca, uključujući primarne lokalne vektore malarije Anopheles vagus i An. sundaicus. Francisco i sur., Sci Rep (2026.)
• Cjevovod potpuno zaobilazi generiranje ortomozaika. Koristi GPS metapodatke ugrađene u svaku pojedinačnu sliku drona za postavljanje pozitivnih predikcija modela na kartu, radi u oblaku i ne zahtijeva specijalizirani hardver ili vlasnički softver za spajanje slika. Francisco i sur., Sci Rep (2026.)
• Arhitektura je DeepLabV3+ s okosnicom EfficientNetV2. Studiju su vodili istraživači sa Sveučilišta Ehime, Sveučilišta Lurio, Pangandaran Public Health Laboratory (Ministarstvo zdravstva Indonezije), Tokijskog ženskog medicinskog sveučilišta i Sveučilišta Padjadjaran. PubMed 42315628
• Rad je financirala zajednička istraživačka potpora Japanskog društva za promicanje znanosti (JSPS) JPJSCCB20240008, a rad je objavljen u otvorenom pristupu u Scientific Reports (DOI 10.1038/s41598-026-58240-4). Francisco i sur., Sci Rep (2026.)

Citirani izvori

1. Francisco, Micanaldo Ernesto, Andri Ruliansyah, Firda Yanuar Pradani, Gaku Masuda, Lia Faridah, Kozo Watanabe. "Duboko učenje identificira vodena tijela iz jeftinih slika drona za kartiranje staništa ličinki komaraca." Scientific Reports (Nature), 18. lipnja 2026. DOI 10.1038/s41598-026-58240-4. Otvoreni pristup. https://www.nature.com/articles/s41598-026-58240-4
2. Francisco i sur. (2026.), PubMed zapis, PMID 42315628, indeksirano 18. lipnja 2026. https://pubmed.ncbi.nlm.nih.gov/42315628/
3. Liu, Q., Zhang, S., Liu, M., Liu, J. "Utjecaj trajanja poplava na teret denga groznice u 108 zemalja." iScience (Cell Press), eCollection 19. lipnja 2026. (online 25. travnja 2026.). DOI 10.1016/j.isci.2026.115917. https://pubmed.ncbi.nlm.nih.gov/42169817/
4. Lugão, P. H. G., da Silva, M. R., Cascelli, R., Chapiro, G. "Prostorna i vremenska predikcija populacija Aedes aegypti s ovisnošću o atmosferskim i urbanim oblicima." PNAS 123(25):e2533964123, objavljeno online 18. lipnja 2026. DOI 10.1073/pnas.2533964123. https://pubmed.ncbi.nlm.nih.gov/42313935/