Машинне навчання намалювало карту ризику пташиного грипу в Індії: де цілитися в першу чергу
Індійські дослідники навчили ансамбль з 8 моделей на даних про спалахи H5N1/H5N8 за 2006–2024 роки і створили карту відносного ризику для всієї країни. Найкраща модель (Random Forest) дала AUC 0.851. Головний практичний результат — пріоритетні зони для нагляду: схід, північний схід, узбережжя та південь. Дослідження також показало, що ключові фактори ризику — щільність населення, щільність курей та вологість.
Що зробили
Взяли 456 підтверджених спалахів високопатогенного пташиного грипу (H5N1 — 393, H5N8 — 55) з бази WOAH та FAO за 2006–2024 роки. Після відсіювання записів без точних координат залишилось 73 геоприйнятні точки, які лягли в 71 унікальний гексагон H3 (роздільність 7, площа ~5.16 км²). Всю Індію розбили на 115 781 таких гексагонів.
Моделі та валідація
Навчали 8 базових моделей: Random Forest, Gradient Boosting, XGBoost, SVM, логістичну регресію, KNN, Gaussian Naive Bayes і байєсівську нейромережу. Валідація — 5-кратна просторова блокова крос-валідація (100 блоків 10×10), щоб зменшити просторову автокореляцію. Всі моделі показали AUC > 0.76.
Мета-рівень — Gaussian Process Regressor. Він дав AUC 0.853, але приріст над Random Forest (AUC 0.851, Brier 0.155) статистично незначущий. Тобто для практики можна брати Random Forest — простіше і швидше.
Що впливає на ризик
Топ-предиктори за важливістю: щільність людського населення, щільність курей (екстенсивне вирощування), червневі опади, сезонна вологість. Автори чесно зазначають: інтерпретацію обмежує пасивний характер нагляду (де шукали — там і знаходили) та мультиколінеарність предикторів.
Практичні висновки
- Карта ризику вказує на східні, північно-східні, прибережні та окремі південні регіони як пріоритетні для цілеспрямованого нагляду.
- Дослідники додали шар невизначеності прогнозу (стандартне відхилення GPR), який корелює з розбіжністю ансамблю (r=0.74). Це дозволяє бачити, де моделі впевнені, а де — ні.
- Карти відносного ризику — це не ймовірність спалаху, а інструмент для пріоритизації. Точкові прогнози на конкретний гексагон не варто переоцінювати.
Обмеження
Дані — це повідомлені спалахи, а не реальна поширеність. Псевдо-абсенси (фонові точки) не є справжніми "нулями". Тому результати — це відносна придатність території, а не абсолютний ризик. Плюс, частина записів з бази відсіялась через неточні координати — це могло трохи змістити картину.