מודל היברידי חדש לחיזוי תפוצת מינים של טפילי קרקע מועברים-באדמה (STH) בתנאי טמפרטורת קרקע באמצעות Random Forest ואלגוריתם אופטימיזציית עדר חלקיקים

מדוע קרקע חמימה חשובה לזיהומים נסתרִים

בעבר הגדול של ניגריה חשופים מיליוני אנשים לתולעים פרזיטיות זעירות הגורמות לנזק שקט לצמיחתם של ילדים ולתפוקת העבודה של מבוגרים. זיהומים אלה משגשגים או מתמעטים בהתאם לחום הקרקע רק כמה סנטימטרים מתחת לרגלינו. מחקר זה בוחן כיצד שילוב של אלגוריתמים מתקדמים ונתוני טמפרטורת קרקע מפורטים יכול לחשוף היכן טפילים אלה סביר שישתוללו, ועוזר לעובדי בריאות למקד משאבים מוגבלים היכן שהם נדרשים ביותר.

תולעים בלתי נראות מתחת לרגלינו

תולעים מועברות-אדמה הן תולעי מעיים שמשתתפות בהעברה כאשר צואה אנושית מזהמת את הסביבה ואנשים נתקלים בקרקע נגועה. בניגריה, שלוש האשמות העיקריות — אסקריס (תולעת העגול), טריכוריס (תולעת השוט) ווֹקָס (תולעת הקרס) — נותרו בעיה ציבורית משמעותית, במיוחד בקרב ילדים. הביצים והשרצים שלהם מתפתחים בקרקע, והתפתחות זו רגישה באופן חמור לטמפרטורה. מחקרים גלובליים קודמים הראו שקיים טווח "גולדי-לוקס" — חמים דיו אך לא לוהט — שבו טפילים אלה משגשגים. עם זאת, אף על פי עשורים של מאמצי שליטה, קשה היה לקבוע אילו קהילות בסיכון הגבוה ביותר, בין היתר משום שמפות הזיהום לא תמיד תיארו במלואן כיצד תנאי הקרקע משתנים לנופים שונים.

להפוך חום קרקע למפת סיכון

כדי להתמודד עם האתגר הזה, החוקרים בנו תמונה מפורטת של האקלים התת-קרקעי בניגריה. הם הסתמכו על מערך נתוני קרקע גלובלי המספק 21 שכבות שונות המתארות כיצד טמפרטורת הקרקע משתנה לאורך השנה: חום ממוצע, תנודות עונתיות, קיצוניים, וערכי חודש אחר חודש בעומק 0–5 ס"מ. הם שילבו שכבות אלה עם נתוני מיקום של מקומות שבהם נרשמו זיהומים בתולעים ברחבי המדינה, מתוך מאגר בינלאומי למחלות מוזנחות. מאחר שרבים מהרשומות הללו מצביעות רק על מקומות שבהם נמצאו זיהומים, הצוות גם יצר מיקומי "היעדרות מדומה" שנבחרו בקפדנות — אזורים ללא זיהומים ידועים — כדי ללמד את המודלים להבדיל בין תנאים מתאימים ולא מתאימים.

כיצד מודל חכם היברידי לומד מהאדמה

בלב המחקר עומד מודל מחשב היברידי המשלב שתי רעיונות: עצי החלטה והתנהגות עדרית. מנוע הבסיס, הידוע כ-Random Forest, פועל על ידי גידול רב של עצים מסועפים שכל אחד מהם מקבל החלטת כן-או-לא פשוטה בהתבסס על תנאי הקרקע, ואז מאגד את קולותיהם כדי להחליט האם אתר מסוים סביר שיש בו טפילים. מעל לכך, הצוות הוסיף אופטימיזציית עדר חלקיקים, גישה בהשראת תרועות ציפורים או עדרי דגים. בסכמה זו, רבים "החלקיקים" משוטטים בין שילובים שונים של הגדרות המודל ובחירות של תכונות טמפרטורת קרקע, ודוחפים זה את זה לעבר שילובים שמניבים ניבויים מדויקים יותר.

ניבויים חדים יותר עם רמזים מועטים יותר

בהשוואת המודלים, הגישה ההיברידית עלתה בבירור על Random Forest סטנדרטי ועל רשת עצבית מלאכותית מסורתית יותר. Random Forest הרגיל הראה דיוק של כ-87 אחוזים והרשת העצבית כ-81 אחוזים, בעוד שהמודל ההיברידי הממוטב טיפס לכ-91 אחוז והציג ביצועים יציבים יותר. בולטים בכך שמודל המותאם באמצעות העדר השיג שיפור זה תוך שימוש רק בכחצי מהתכונות הזמינות של טמפרטורת הקרקע, ומתמקד בקבוצת תבניות טמפרטורה חודשיות ועונתיות שמכריעות להישרדות התולעים. בדיקות סטטיסטיות אישרו כי הרווחים אינם תוצאה של מקריות. המפה שהתגלתה של ניגריה חשפה אזורי-על מתאימים באופן מובהק, במיוחד באזורי המרכז ורצועת-הביניים שבהם חום הקרקע ותנודותיו נופלים בטווח המועדף על הטפילים.

מקוד מחשב למרפאות קהילתיות

ללא-מומחים, המסר המרכזי הוא פשוט: על-ידי לימוד מחשבים לזהות דפוסים עדינים באופן שבו הקרקע מתחממת וכיצד חום זה משתנה לאורך הזמן, ניתן לצייר מפות ברורות יותר של מקומות שבהם זיהומי תולעים צפויים להתמיד. המודל ההיברידי בתרגום טמפרטורת תת-הקרקע להדרכה מעשית לפעולה, ומציע אילו מחוזות יש להעדיף בקמפיינים לפירוק תולעים, בשיפור תברואה ובמעקב ממושך. אף שנבנה עבור ניגריה, ניתן להתאים גישה דומה למדינות אחרות ולמחלות נוספות התלויות בתנאי הסביבה, ולהפוך שינויים בלתי נראים בקרקע ובאקלים לכלים ממשיים להגנה על בריאות הציבור.

ציטוט: Adekunle, T.A., Ogunwande, JM.O., Ogundoyin, I.K. et al. A novel hybrid model for species distribution prediction of soil-transmitted helminthiasis (STH) under soil temperature conditions using Random Forest and Particle Swarm Optimization Algorithm. Sci Rep 16, 9594 (2026). https://doi.org/10.1038/s41598-025-31604-y

מילות מפתח: תולעי קרקע מועברות-אדמה, מידול תפוצת מינים, טמפרטורת קרקע, למידת מכונה, ניגריה