Высокопатогенный птичий грипп (HPAI) остается одной из самых серьезных угроз для птицеводства в Индии, регулярно нанося экономический ущерб и создавая риски для общественного здоровья. Теперь у ветеринарных служб страны появился мощный инструмент для прогнозирования вспышек — национальная карта рисков, созданная с помощью машинного обучения.
Технология будущего против древней угрозы
Исследователи из публикации в Frontiers in Veterinary Science проанализировали 18 лет данных о вспышках птичьего гриппа — с января 2006 по апрель 2024 года. В основном это были случаи HPAI H5N1 и H5N8, которые особенно опасны для домашней птицы.
Авторы применили революционный подход: они разделили всю территорию Индии на гексагональные сегменты высокого разрешения (H3 resolution-7) и для каждого участка проанализировали 94 различных фактора риска. Среди них — экологические показатели, плотность поголовья, особенности землепользования и антропогенные факторы.
Метод машинного обучения показал впечатляющую точность 85,3% (AUC 0.853) при использовании комбинированного подхода с Gaussian-process алгоритмом. Но самым практичным оказался Random Forest — его точность составила 85,1%, что статистически не отличается от лидера, зато он гораздо проще в использовании.
Где ждать следующих вспышек
Согласно результатам анализа, ключевыми факторами риска оказались:
- Плотность человеческого населения
- Концентрация экстенсивного куриного поголовья
- Июньские осадки
- Сезонная влажность
Карта четко выделила приоритетные регионы для усиленного эпиднадзора: восточные, северо-восточные, прибрежные и отдельные южные районы Индии. Именно здесь вероятность новых вспышек наиболее высока.
Особую ценность представляет «слой неопределенности» — карта показывает не только где ожидать вспышки, но и насколько надежен прогноз для каждой территории. Это позволяет ветеринарным службам правильно распределить ограниченные ресурсы.
Авторы честно отмечают ограничения своего подхода: пассивный эпиднадзор может создавать смещения в данных, а множественные корреляции между факторами усложняют интерпретацию. Тем не менее, созданный инструмент уже готов для практического применения и может существенно повысить эффективность профилактических мероприятий в птицеводстве.