Μετάβαση στο περιεχόμενο
Monday 16 November

Η τεχνητή νοημοσύνη μετρά αυγά κουνουπιών από το κινητό: Το νέο εργαλείο για την πρόληψη επιδημιών

Η τεχνητή νοημοσύνη μετρά αυγά κουνουπιών από το κινητό: Το νέο εργαλείο για την πρόληψη επιδημιών
Εικόνα δημιουργημένη με AI από τον εκδότη — Εικονογράφηση AI, όχι φωτογραφία γεγονότος.

Με μια ματιά

  • Το AeEggCounter αναγνωρίζει και μετρά αυγά κουνουπιών σε φωτογραφίες κινητού.
  • Σε αρχικές δοκιμές πέτυχε ακρίβεια εντοπισμών 88,3% και ανάκληση 91,7%.
  • Η απόδοση μειώθηκε σε άγνωστα δείγματα πεδίου, γι’ αυτό απαιτείται ανθρώπινος έλεγχος.

Μια λωρίδα καφέ χαρτιού, ένα κινητό τηλέφωνο και ένα σύστημα τεχνητής νοημοσύνης μπορεί να αποτελέσουν νέα εργαλεία στην επιτήρηση των κουνουπιών. Ερευνητές με επικεφαλής το Florida International University (FIU) παρουσίασαν στις 16 Νοεμβρίου 2026 το AeEggCounter, ένα εργαλείο που εντοπίζει και καταμετρά αυγά κουνουπιών από φωτογραφίες smartphone. Στόχος δεν είναι να προβλέπει μόνο του πού θα ξεσπάσει η επόμενη επιδημία, αλλά να επιταχύνει μια επίπονη εργασία που σήμερα συχνά απαιτεί εκπαιδευμένο προσωπικό και μικροσκόπιο.

Το ενδιαφέρον βρίσκεται στην πρακτική εφαρμογή της υπολογιστικής όρασης. Αντί να ζητείται από έναν ειδικό να μετρά εκατοντάδες σχεδόν αόρατα αυγά σε κάθε δείγμα, το λογισμικό αναλαμβάνει την πρώτη καταγραφή. Η τελική ευθύνη για την αξιολόγηση των ευρημάτων παραμένει στους ανθρώπους.

Γιατί μετράμε τα αυγά αντί να κυνηγάμε τα κουνούπια

Τα κουνούπια του γένους Aedes περιλαμβάνουν είδη που μπορούν να μεταδώσουν ιούς όπως ο δάγκειος πυρετός, ο Ζίκα και ο chikungunya. Οι υπηρεσίες δημόσιας υγείας παρακολουθούν τους πληθυσμούς τους με διάφορες παγίδες και μεθόδους. Μία από αυτές είναι η ωοπαγίδα: ένα μικρό δοχείο με νερό και κατάλληλο υπόστρωμα, στο οποίο τα θηλυκά αφήνουν τα αυγά τους.

Συχνά χρησιμοποιείται μια λωρίδα χαρτιού. Οι τεχνικοί συλλέγουν τις λωρίδες και μετρούν τα αυγά, ώστε να συγκρίνουν περιοχές και χρονικές περιόδους. Το αμερικανικό CDC περιγράφει τις ωοπαγίδες ως καθιερωμένο εργαλείο επιτήρησης. Ο αριθμός των αυγών μπορεί να προσφέρει ένδειξη δραστηριότητας των κουνουπιών, όχι όμως από μόνος του ακριβή αριθμό ενήλικων εντόμων ή κρουσμάτων νόσου.

Αυτός ο περιορισμός είναι σημαντικός. Η παρουσία πολλών αυγών δεν αποδεικνύει ότι τα έντομα φέρουν κάποιον ιό. Για την εκτίμηση κινδύνου απαιτούνται επιπλέον εντομολογικά, εργαστηριακά και επιδημιολογικά δεδομένα.

Πώς εκπαιδεύτηκε το AeEggCounter

Η ομάδα του Andre Costa-da-Silva χρησιμοποίησε τεχνολογία YOLO, μια οικογένεια μοντέλων που εντοπίζουν αντικείμενα μέσα σε εικόνες. Οι ερευνητές επισήμαναν χειροκίνητα 4.398 αυγά σε 168 φωτογραφίες τραβηγμένες με κινητά τηλέφωνα. Οι επισημάνσεις έδειξαν στο σύστημα τι πρέπει να αναγνωρίζει ως αυγό και τι ως άσχετο στοιχείο, όπως μικρά σωματίδια ή ακαθαρσίες πάνω στο χαρτί.

Η χρήση φωτογραφιών από διαφορετικά smartphone έχει πρακτική σημασία. Μια εφαρμογή που λειτουργεί μόνο με ένα ειδικό εργαστηριακό σύστημα λήψης θα ήταν δυσκολότερο να υιοθετηθεί από υπηρεσίες με περιορισμένο εξοπλισμό. Το ζητούμενο είναι να λειτουργεί σε πραγματικές συνθήκες, όπου η γωνία λήψης, ο φωτισμός και η ποιότητα εικόνας διαφέρουν.

Αλλά το μικρό σχετικά σύνολο εκπαίδευσης αποτελεί και περιορισμό. Δεν επιτρέπει από μόνο του να υποθέσουμε ότι το σύστημα θα έχει την ίδια απόδοση σε κάθε περιοχή, είδος κουνουπιού ή τύπο παγίδας.

Τι σημαίνουν τα 88,3% και 91,7%

Στις αρχικές δοκιμές το AeEggCounter πέτυχε ακρίβεια εντοπισμών 88,3%. Αυτό σημαίνει ότι από όσα αντικείμενα χαρακτήρισε ως αυγά, περίπου το 88,3% ήταν σωστά. Η ανάκληση έφτασε το 91,7%: το σύστημα αναγνώρισε δηλαδή περίπου το 91,7% των πραγματικών αυγών στα δείγματα της συγκεκριμένης αξιολόγησης.

Οι δύο δείκτες μετρούν διαφορετικά σφάλματα. Η πρώτη τιμή αφορά τους ψευδείς συναγερμούς, η δεύτερη τα αυγά που διαφεύγουν της ανίχνευσης. Καμία δεν σημαίνει ότι το λογισμικό είναι «91,7% σωστό» σε κάθε συνθήκη.

Οι ερευνητές προχώρησαν σε δεύτερη δοκιμή με 76 προηγουμένως άγνωστα δείγματα πεδίου. Εκεί η απόδοση μειώθηκε, αν και οι συνολικές μετρήσεις παρέμειναν ισχυρά συσχετισμένες με τις μετρήσεις ειδικών. Η ανακοίνωση του FIU δεν δίνει έναν ενιαίο αριθμό που να επιτρέπει ακριβή σύγκριση όλων των δεικτών στις δύο δοκιμές. Επομένως δεν θα ήταν σωστό να παρουσιάσουμε την αρχική επίδοση ως εγγυημένη απόδοση σε πραγματικές επιχειρήσεις επιτήρησης.

Μια εφαρμογή που δεν αντικαθιστά τον ειδικό

Η τεχνολογία είναι διαθέσιμη μέσω της δωρεάν εφαρμογής ACTT-Study για Android και iOS, σύμφωνα με το FIU. Η έρευνα δημοσιεύθηκε στο Journal of the American Mosquito Control Association και περιλαμβάνει συνεργασία επιστημόνων από πολλά αμερικανικά ιδρύματα.

Οι ίδιοι οι ερευνητές υπογραμμίζουν ότι ο άνθρωπος εξακολουθεί να χρειάζεται για την επιβεβαίωση, ειδικά σε ευαίσθητες περιοχές. Ένας λανθασμένος αριθμός μπορεί να επηρεάσει την κατανομή πόρων ή την αξιολόγηση μιας παρέμβασης. Το εργαλείο πρέπει συνεπώς να αντιμετωπίζεται ως υποβοήθηση της επιτήρησης, όχι ως αυτόνομος μηχανισμός λήψης αποφάσεων.

Η διαφορά είναι ουσιαστική: η τεχνητή νοημοσύνη μειώνει τον χρόνο της πρώτης καταμέτρησης, αλλά η επιστημονική ερμηνεία απαιτεί γνώση των συνθηκών συλλογής και του τοπικού οικοσυστήματος.

Δεν είναι η μοναδική προσπάθεια

Η ιδέα της καταμέτρησης αυγών από φωτογραφίες εξελίσσεται παράλληλα σε διαφορετικά ερευνητικά κέντρα. Τον Οκτώβριο του 2026, ανεξάρτητη μελέτη στο Parasites & Vectors παρουσίασε το Col-Ovo, σύστημα βασισμένο σε YOLOv11m και εκπαιδευμένο σε 275 υποστρώματα ωοτοκίας. Οι συγγραφείς ανέφεραν ισχυρή συμφωνία με ανθρώπινες μετρήσεις και χρόνο επεξεργασίας μικρότερο από τρία δευτερόλεπτα ανά δείγμα.

Τα αποτελέσματα του Col-Ovo δεν πρέπει να συγχέονται με εκείνα του AeEggCounter. Πρόκειται για διαφορετικές ομάδες, δεδομένα και πρωτόκολλα. Η σύγκρισή τους δείχνει ότι υπάρχει ευρύτερο ερευνητικό ενδιαφέρον, όχι ότι έχει ήδη προκύψει ένας ενιαίος βιομηχανικός κανόνας απόδοσης.

Τι μπορεί να αλλάξει για την Ελλάδα

Σε χώρες όπου παρακολουθούνται εισβολικά είδη κουνουπιών, μια τέτοια τεχνολογία θα μπορούσε μελλοντικά να επιταχύνει τη συλλογή και επεξεργασία δειγμάτων. Για να χρησιμοποιηθεί αξιόπιστα στην Ελλάδα, θα χρειαζόταν τοπική αξιολόγηση με τα είδη, τις παγίδες και τις συνθήκες λήψης που χρησιμοποιούν οι αρμόδιες υπηρεσίες. Δεν υπάρχει τεκμηρίωση ότι το AeEggCounter έχει ήδη ενταχθεί σε ελληνικό πρόγραμμα επιτήρησης.

Το σημαντικότερο μήνυμα είναι λιγότερο θεαματικό από την ιδέα ενός «AI που σταματά επιδημίες», αλλά πιο χρήσιμο: ένα κινητό μπορεί να μετατρέψει μια χρονοβόρα χειρωνακτική διαδικασία σε ταχύτερη, ελέγξιμη ροή δεδομένων. Αν η αξιοπιστία του επιβεβαιωθεί σε περισσότερες συνθήκες, αυτό μπορεί να βοηθήσει τους ειδικούς να παρακολουθούν συχνότερα τους πληθυσμούς κουνουπιών και να αντιδρούν νωρίτερα σε μεταβολές τους.

Πηγές

Δείτε τα AI Editorial Guidelines.

Περισσότερα από AI + Robots

Όλα →