شناسایی سریع و دقیق پشه‌هایی که عوامل بیماری‌‌زای انسانی مانند مالاریا را منتقل می‌کنند، یک قسمت اساسی از نظارت بر بیماری‌های پشه‌ای است. در این خصوص محققانی که در PLOS Neglected Tropical Diseases فعالیت می‌کنند گزارش دادند که یک سیستم هوش مصنوعی که از شبکه‌های عصبی پیچیده بهره می‌برد برای طبقه‌بندی جنس، نژاد و گونه پشه‌ها ساخته شده است.
مالاریای انسانی یک بحران بهداشت عمومی است که چندین قاره را تحت تأثیر قرار داده است. بیشترین تعداد موارد ابتلا و افراد در معرض خطر در جنوب صحرای آفریقا مشاهده شده‌اند. با این حال شناسایی پشه‌هایی که مالاریا را منتقل می‌کنند می‌تواند کاری بسیار دشوار باشد. طبقه‌بندی برخی از این گونه‌ها، حتی برای افراد آموزش دیده کاری بسیار سخت محسوب می‌شود.
در یک تحقیق جدید، ژانل کورت از دانشگاه رود آیلند در ایالات متحده و همکارانش از یک شبکه عصبی پیچیده تحت عنوان (CNN) برای ساخت پایگاه اطلاعاتی با 17709 تصویر دو بعدی از پشه‌ها استفاده کردند. این تصاویر از 16 کلنی در پنج منطقه جغرافیایی مختلف جمع‌آوری شده و شامل یک گونه‌ی خاص از پشه‌ها تحت عنوان آنوفل است که شناسایی آن برای حشره شناسان آموزش دیده کاری دشوار بوده و به راحتی قابل شناسایی نیستند.
محققان با استفاده از پایگاه اطلاعاتی گونه‌های شناسایی شده ، CNN را آموزش دادند تا آنوفل را از سایر گونه‌های پشه متمایز کند. CNN باید گونه و جنس پشه‌های آنوفل را تشخیص داده و به وسیله این دو مولفه یک گونه را شناسایی کند. در نهایت CNN به 99/96٪ دقت در پیش‌بینی گونه و 48/98٪ دقت برای تعیین جنسیت دست پیدا کرد.
محققان می‌گویند: “این نتایج نشان می‌دهد که طبقه‌بندی تصویر با کمک یادگیری عمیق می‌تواند یک روش مفید برای شناسایی پشه مالاریا، حتی در میان گونه‌هایی با تغییر شکل بسیار ناچیز باشد. توسعه یک روش مستقل و دقیق برای شناسایی گونه‌ها می‌تواند به طور فزاینده‌ای نظارت و کنترل بر پشه‌ها را بهبود ببخشد.”
