Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
Aprendizagem profunda, Aprendizagem automática, Culicídeos
A identificação de mosquitos vetores é fundamental para o controle de doenças. Estudos de identificação automatizada usando Redes Neurais Convolucionais (CNNs) já foram realizados para alguns mosquitos vetores urbanos, mas ainda não para mosquitos silvestres que transmitem a febre amarela e outras arbovíroses. Avaliamos a capacidade da rede CNN AlexNet de identificar quatro espécies de mosquitos: Aedes serratus, Aedes scapularis, Haemagogus leucocelaenus e Sabethes albiprivus e se há variação na capacidade da AlexNet de classificar mosquitos com base em fotos de quatro regiões diferentes do corpo. Os espécimes foram fotografados usando um telefone celular conectado a um estereoscópio. Foram tiradas fotografias de corpo inteiro, pronoto e vista lateral do tórax, que foram pré-processadas para treinar o algoritmo AlexNet. A avaliação foi baseada na matriz de confusão, na média de acurácia (10 pseudo-replicatas) e no intervalo de confiança de cada experimento. Nosso estudo constatou que o AlexNet pode identificar com precisão imagens de mosquitos dos gêneros Aedes, Sabethes e Haemagogus com mais de 90% de precisão. Além disso, o desempenho do algoritmo não mudou de acordo com as regiões do corpo apresentadas. É importante observar que o estado de preservação dos mosquitos, que muitas vezes estavam danificados, pode ter afetado a capacidade da rede de diferenciar essas espécies e, portanto, as taxas de precisão poderiam ter sido ainda maiores. Nossos resultados apoiam a ideia de aplicar CNNs orientadas por IA para identificação automatizada de mosquitos vetores de doenças tropicais. Essa abordagem pode ser usada na vigilância de vetores da febre amarela pelos serviços de saúde e na vigilância de base comunitária.