Lokale Faktoren wie saisonale Temperatur, der jahresabhängige Wasser- und Vegetationsindex oder Daten zur Tierdichte können genutzt werden, um regionale Ausbrüche der Vogelgrippe in Europa vorherzusagen. Das zeigen die Arbeiten eines Forschungsteams unter Leitung des Epidemiologen, Mathematikers und Statistikers Prof. Dr. Joacim Rocklöv. Die Forscher*innen der Universität Heidelberg entwickelten ein auf Maschinellem Lernen basierendes Modell, das anhand verschiedener Indikatoren Ausbruchsmuster der hochpathogenen aviären Influenza in Europa mit hoher Genauigkeit voraussagen kann. Der Modellierungsansatz und eine gezielte Datenerhebung könnten so einen Beitrag zu proaktiven Präventionsmaßnahmen leisten.
Vermehrt Infektionen bei Säugetieren
Die hochpathogene aviäre Influenza-Virus-Infektion – umgangssprachlich als Vogelgrippe oder Geflügelpest bezeichnet – betrifft in erster Linie Vögel. Vermehrt kommt es aber auch zu Infektionen bei Säugetieren. Dadurch steigt nach Angaben der Wissenschaftler*innen die Wahrscheinlichkeit, dass das Virus auf den Menschen überspringt. Um Ausbrüche der Vogelgrippe besser vorhersagen und ihnen frühzeitig entgegenwirken zu können, entwickelte das Team von Prof. Rocklöv ein Modell, das verschiedene Indikatoren für einen möglichen Ausbruch zusammenführt und für die Modellierung Methoden des Maschinellen Lernens nutzt.
Modellierung bis zu 94 % genau
Trainiert wurde das Modell mit Daten zu Ausbrüchen der Vogelgrippe, die zwischen 2006 und 2021 für Europa dokumentiert sind. Als potenzielle Ausbruchs-Indikatoren identifizierten die Heidelberger Wissenschaftler*innen dabei lokale Faktoren wie die Temperatur- und Niederschlagsbedingungen, die Wildvogelarten, die Dichte der Geflügelhaltung, die Beschaffenheit der Vegetation und die Wasserstände. Durch die Zusammenführung dieser komplexen, in Abhängigkeit von Jahreszeit und Region miteinander wechselwirkenden Variablen konnten die Forscher*innen Ausbruchsmuster mit einer Genauigkeit von bis zu 94 % modellieren.
„Die Kombination unseres Modellierungsansatzes mit einer gezielten Datenerhebung kann dazu beitragen, Hochrisikogebiete und Jahreszeiten, zu denen Ausbrüche der Vogelgrippe wahrscheinlich sind, genauer zu kartieren“, betont Joacim Rocklöv. Die Forschungsergebnisse könnten nach Angaben von Prof. Rocklöv dazu genutzt werden, regionale Überwachungsprogramme in ganz Europa neu auszurichten und die Früherkennung zu verbessern.
Link zur Originalpublikation
Der Artikel "Predictiveness and drivers of highly pathogenic avian influenza outbreaks in Europe" ist in der Fachzeitschrift Scientific Reports erschienen.
Quelle (nach Angaben von):
Mit Maschinellem Lernen Ausbrüche der Vogelgrippe in Europa vorhersagen (uni-heidelberg.de)
(IR)
