Rastgele Orman ve Parçacık Sürü Optimizasyon Algoritması kullanarak toprak sıcaklığı koşulları altında toprak kaynaklı helmintiyazisin (STH) tür dağılımı tahmini için yeni bir hibrit model

Neden sıcak zemin gizli enfeksiyonlar için önemli

Nijerya’nın büyük bir bölümünde milyonlarca insan, toprakta yaşayan ve çocukların büyümesini ve yetişkinlerin verimliliğini sessizce zedeleyebilen küçük parazitik solucuklara maruz kalıyor. Bu enfeksiyonlar, ayağımızın altında sadece birkaç santimetre derinlikteki zeminin ne kadar sıcak olduğuna bağlı olarak gelişir veya azalır. Bu çalışma, gelişmiş bilgisayar algoritmalarını ayrıntılı toprak sıcaklığı verileriyle birleştirmenin bu parazitlerin en çok nerede yayılma eğiliminde olduğunu ortaya çıkarabileceğini ve sağlık çalışanlarının sınırlı kaynakları en çok ihtiyaç duyulan yerlere odaklamasına nasıl yardımcı olabileceğini araştırıyor.

Ayağımızın altındaki görünmez solucuklar

Toprak kaynaklı helmintler, insan dışkısının çevreyi kontamine ettiği ve insanların enfekte toprakla temas ettiği durumlarda yayılan bağırsak solucuklarıdır. Nijerya’da, üç ana suçlu—askariz (yuvarlak solucuk), trikürez (kamçı solucuk) ve kancalı solucuk—özellikle çocuklar için hâlâ büyük bir halk sağlığı sorunudur. Yumurtaları ve larvaları zeminde gelişir ve bu gelişim sıcaklığa karşı son derece duyarlıdır. Önceki küresel çalışmalar, bu parazitlerin geliştiği, yaklaşık olarak sıcak ama kavurucu olmayan “ne çok sıcak ne çok soğuk” bir aralık olduğunu göstermiştir. Ancak, onlarca yıllık kontrol çabalarına rağmen, enfeksiyon haritalarının toprak koşullarının peyzaj boyunca nasıl değiştiğini tam olarak yakalayamaması nedeniyle hangi toplulukların en yüksek riske sahip olduğunu belirlemek zor olmuştur.

Toprak ısısını risk haritasına dönüştürmek

Bu zorluğun üstesinden gelmek için araştırmacılar Nijerya’nın yeraltı ikliminin ayrıntılı bir resmini oluşturdular. Yıl boyunca toprak sıcaklığının nasıl davrandığını tanımlayan 21 farklı katman sağlayan küresel bir toprak veri setinden yararlandılar: ortalama sıcaklık, mevsimsel dalgalanmalar, aşırılıklar ve 0–5 cm derinlikte aylık değerler. Bu katmanları, ülke çapında solucuk enfeksiyonlarının kaydedildiği konum verileriyle eşleştirdiler; bu veriler uluslararası bir ihmâl edilmiş hastalık veritabanından alındı. Bu kayıtların birçoğu yalnızca enfeksiyonların bulunduğu yerleri gösterdiğinden, ekip modellerine uygun ve uygun olmayan koşulları ayırt etmeyi öğretmek için dikkatle seçilmiş “sözde-absans” (pseudo-absence) konumlar—bilinen enfeksiyonun olmadığı yerler—da üretti.

Hibrit akıllı model toprağı nasıl öğreniyor

Çalışmanın merkezinde iki fikri harmanlayan bir hibrit bilgisayar modeli yer alıyor: karar ağaçları ve sürü davranışı. Temel motor olan Rastgele Orman (Random Forest), her biri toprak koşullarına dayalı basit evet-hayır kararı veren birçok dallanan ağaç büyüterek çalışır; sonra bu ağaçların oyları birleştirilir ve bir konumun solucuk barındırma olasılığına karar verilir. Bunun üzerine ekip, kuş sürüleri ya da balık sürüleriyle ilham alınmış bir yaklaşım olan Parçacık Sürü Optimizasyonu’nu (Particle Swarm Optimization) ekledi. Bu şemada birçok “parçacık” model ayarlarının ve toprak sıcaklığı özellik kombinasyonlarının farklı noktalarında dolaşır ve daha doğru tahminler veren kombinasyonlara doğru birbirlerini yönlendirir.

Daha az ipucu ile daha keskin tahminler

Model karşılaştırmalarında, hibrit yaklaşım hem standart bir Rastgele Orman’ı hem de daha geleneksel bir yapay sinir ağını açıkça geride bıraktı. Standart Rastgele Orman yaklaşık yüzde 87 doğruluk, sinir ağı ise yaklaşık yüzde 81 doğruluk elde ederken, optimize edilmiş hibrit model yaklaşık yüzde 91’e yükseldi ve daha istikrarlı performans gösterdi. Öne çıkan nokta, sürü rehberliğindeki modelin bu iyileşmeyi kullanılabilir toprak sıcaklığı özelliklerinin yalnızca yaklaşık yarısını kullanarak başarmasıdır; solucukların hayatta kalması için en önemli olan birkaç aylık ve mevsimsel sıcaklık desenine odaklandı. İstatistiksel testler, elde edilen kazanımların şansa bağlı olmadığını doğruladı. Ortaya çıkan Nijerya haritası, özellikle toprak sıcaklığı ve değişkenliğinin parazitlerin tercih ettiği aralığa düştüğü orta ve orta-bant bölgelerde belirgin yüksek uygunluk alanlarını ortaya koydu.

Bilgisayar kodundan toplum kliniklerine

Uzman olmayanlar için temel mesaj basittir: bilgisayarlara toprağın ne kadar ısındığı ve bu ısının zaman içinde nasıl değiştiği hakkındaki ince desenleri öğretmek, solucuk enfeksiyonlarının en çok nerede devam etme eğiliminde olduğuna dair çok daha net haritalar çizmeyi sağlar. Çalışmanın hibrit modeli yeraltı sıcaklığını eyleme dönüştürülebilir bir rehbere çevirerek hangi ilçelerin bağırsak kurtlarından arındırma kampanyaları, iyileştirilmiş sanitasyon ve sürekli gözetim için önceliklendirileceğini öneriyor. Nijerya için geliştirilmiş olmasına rağmen aynı yaklaşım, çevresel koşullara bağlı diğer hastalıklar ve diğer ülkeler için uyarlanabilir; toprak ve iklimdeki görünmez değişimleri halk sağlığını korumaya yönelik somut araçlara dönüştürebilir.

Atıf: 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

Anahtar kelimeler: toprak kaynaklı helmintler, tür dağılımı modelleme, toprak sıcaklığı, makine öğrenimi, Nijerya