海归学者发起的公益学术平台
分享信息，整合资源
交流学术，偶尔风月
供稿作者：郑金鑫
中国的血吸虫病防治工作经过70余年的不懈努力，取得了巨大成就，目前，中国的血吸虫病疫情控制在低流行状态，迫切需要引入新的技术方法提高血吸虫病的监测与预警。来自中国疾控中心周晓农团队近期在Infectious Diseases of Poverty 期刊上发表了一项研究，结合了最新的机器学习方法来探讨如何改善血吸虫病的监测与控制。
背景
在“十三五”期间，中国把血吸虫病防控目标从传播控制转向传播阻断或消除，尤其在是《“健康中国 2030”规划纲要》中明确提出了“到2030年全国所有流行县达到消除血吸虫病标准”的目标。截至2019年底，全国450个血吸虫病流行县(市、区)中，已有301个达到消除标准，128个达到传播阻断标准，21个达到传播控制标准，表明中国血吸虫病疫情已降至较低水平。
虽然中国血吸虫病防治工作取得了巨大成就，但由于流行区分布广且环境复杂，血吸虫病的监测工作是个难点。而钉螺的分布与血吸虫病疫情分布相一致，因此钉螺控制是血吸虫病防控的一项重要措施，国家每年都会组织疾控人员对血吸虫病流行区的钉螺进行调查，以监测钉螺的生存与扩散情况。但是也会出现钉螺调查范围广泛、耗费人力物力较多等缺点。
问题
目前监测预警体系和技术不够完善，风险监测与预警等技术难以满足消除血吸虫病的防治需求，迫切需要更多的先进适宜技术和措施应用于消除血吸虫病工作。因此，作者从以下两个问题出发，探索监测预警体系及预警技术的改进与完善：
1）机器学习是否可以应用于钉螺生境预测？
2）是否可以减少钉螺监测点，但达到同样的监测目的？
注：钉螺在长江流域不同生态网格点下的重采样（https://idpjournal.biomedcentral.com/articles/10.1186/s40249-021-00852-1）
本文采用2018年长江流域钉螺调查数据（有无钉螺）、环境数据、气候数据等结合机器学习模型预测钉螺在长江流域的孳生分布。根据物种分布原理，钉螺的孳生与周边环境密切相关，可以利用机器学习中的随机森林算法实现对钉螺的分布预测。本文采用钉螺调查点的空间偏倚方法，对研究区域进行六边形的网格划分，其中两个网格的中心点距离决定了网格大小。每个网格都认为该网格内区域的地理、气候等环境相同，因此当同一网格存在多个钉螺监测点，可认为选一个点即可代表这些监测点，也就达到了矫正钉螺调查点在空间上的偏倚问题。分析表明，2018年共调查钉螺监测点2369个，其中发现钉螺1061个点。钉螺检出率为0.448；当设定设定网格距离（空间采样距离）为5km、10km、50km、100km和150km。其中研究区域的网格数分别为1747、1421、209、98、44。钉螺重采样后的检出率分别为0.462、0.471、0.449、0,469、0,477。分别对上述数据库进行模型拟合与预测，发现当空间采样距离为5km时，其预测效果与原来的钉螺监测点效果相一致。注：机器学习模型预测钉螺在长江流域的孳生范围（https://idpjournal.biomedcentral.com/articles/10.1186/s40249-021-00852-1）
本研究提示，减少钉螺的监测点，同样可以对长江流域的钉螺孳生范围进行预测，且预测的准确性与原有的钉螺监测点预测效果相近。因此，可以引入该方法对钉螺的监测工作进行完善，在减少钉螺调查点工作的同时，也可达到有效的监测。并结合机器学习模型的技术，预测钉螺的分布，完成对血吸虫病的监测预警目的。为进一步巩固防治成果、加快推进全国血吸虫病消除进程提供了科学技术支撑。
本文第一作者为中国疾病预防控制中心寄生虫病预防控制所郑金鑫，通讯作者为中国疾病预防控制中心寄生虫病预防控制所周晓农研究员。Infectious Diseases of Poverty
doi:10.1186/s40249-021-00852-1
点击“阅读原文”阅读论文原文。
本文系网易新闻·网易号“各有态度”特色内容
媒体转载联系授权请看下方
