血吸虫病是一种影响超过2.5亿人的贫困寄生虫病，尤其在撒哈拉以南非洲的学龄儿童中高发。传统上，研究人员需要在水深齐胸的田野里，耗时数小时拔除植被、清点蜗牛、记录数据——这些工作虽然重要，但规模太小，无法为国家层面的决策提供指导。然而，凭借一笔规模不大的种子基金，这种辛苦的劳作转化成了一个机器学习平台，该平台利用田野数据、无人机和卫星，绘制出整个区域的血吸虫病风险图。
从泥泞样方到区域地图
研究团队由斯坦福大学杜尔可持续发展学院的教授、也是“变化世界中的疾病生态学”项目联合主任Giulio De Leo，以及研究助理Andy Chamberlin领导。他们的目标是确定血吸虫病（一种贫困寄生虫病，影响超过2.5亿人，主要是撒哈拉以南非洲的学龄儿童）的环境驱动因素。
在实地工作中，工作人员在固定的、面积较小的样方内进行采样，移除植被，捕捉蜗牛，并在实验室处理每一个样本。结果清晰显示：某些特定的淡水植被类型持续预示着更高的感染风险。问题是规模：你如何才能将这一个平方米的信号传递到整个流域？
五万美元的赌注，放大了成果
2018年，斯坦福以人为本人工智能研究所提供的一笔种子基金资助了一次实践测试。De Leo邀请了AI研究员Zac Liu和John Bauer，训练卷积神经网络从图像中识别出医学上相关的蜗牛和植被。这一概念验证又解锁了伍兹研究所的种子基金，并最终从美国国家科学基金会传染病生态与进化项目获得了250万美元的资助。
“我怎样强调这种早期支持的催化作用都不过分，”De Leo说。“没有HAI提供的资金桥梁，给予我们自由探索这一新颖应用的机会，这一切都不可能实现。”
通过卫星推断蜗牛分布
低分辨率的卫星图像过于粗糙，无法追踪团队在田野中发现的信号。Chamberlin通过在水源点进行无人机飞行拍照来弥合这一差距，这些航拍图像能够清晰区分和标注不同的植被类型。这就在物种级别的田野数据和像素级别的特征之间建立了联系。
“我们能够以很高的精度，将从非常精细的田野工作中获得的知识外推到这些更大的无人机图像上，”Chamberlin说。“然后，我们可以利用这一点来评估同一时期、但覆盖范围更广得多的卫星图像，这使我们能够进行区域规模的分析和监测。”
Liu和Bauer随后构建了工具，将三种数据流——田野调查、无人机拼接图和卫星影像——整合成风险地图。最终成果是：一个能够标记出可能感染热点的流程，从而帮助优先安排监测和公共卫生外展工作。
投资于当地能力建设
这项工作依托于与塞内加尔圣路易斯的“水产创新站”和加斯顿·伯杰大学的长期合作关系。Chamberlin与UGB的教授Maïssa Mbaye和Cheikh Bamba Dione共同领导了一个为期一周的研讨会，为硕士和研究生讲授图像处理以及用于图像分析的深度学习。
这不仅仅是一个单一疾病项目。同样的技能还支持着作物估产、流域监测以及依赖于整合田野、无人机和卫星数据（的预警系统）等其他工作。
近期的延伸应用
一项由斯坦福可持续发展加速器支持的后续研究工作，利用无人机图像估算塞内加尔河下游流域的水稻产量。这些方法的转换很清晰：在高分辨率下进行标注，学习其与较粗糙图像之间的关系，然后进行规模放大。
从技术层面看，整个技术栈是灵活的：对标注的植被进行监督学习，从无人机到卫星的领域适应性调整，以及融合多时相场景以应对季节性变化带来的稳定性问题。目标是制定出一致、可供决策使用的地图——而不是单纯为了大模型而做大模型。
超越蜗牛：森林与蚊子
团队正在其他地方应用同样的逻辑。在印度尼西亚的加里曼丹，他们将高分辨率的雨林结构激光雷达地图与卫星图像相结合，估算了广阔区域的冠层高度——这对于追踪森林砍伐、为保护和土地管理政策提供信息非常有用。
另一个在印度尼西亚的项目由斯坦福大学医学院的Joelle Rosser和Desiree LaBeaud领导，利用机器学习识别城市环境中的废弃轮胎。轮胎是蚊子理想的繁殖地，会增加疟疾和登革热的风险。
研究人员可以复用的经验
- 从一个清晰的生态信号开始。本例中，特定的植被类型与多年的血吸虫病风险相关。
- 收集分层数据。将精细的田野标签与无人机图像配对，创建高分辨率的训练集；然后将其与卫星连接以获得覆盖范围。
- 使用监督学习桥接分辨率。在无人机标签上训练CNN；再迁移到卫星波段和指数进行泛化。
- 整合时间因素。使用多时相卫星影像来平滑来自水位、浑浊度和季节性生长的噪音。
- 持续验证。预留一些地点和季节进行验证，并在可用时与独立的感染数据进行比较。
- 投资当地。通过研讨会和共享代码库减少瓶颈，使模型能在当地得到维护。
产生影响的关键之处
这个平台不是要取代实验室工作，而是对其进行扩展。通过将实地知识编码到模型中，团队可以大规模地监测风险，指导治疗活动，并在出现新的热点时重新部署实地工作组。
正如Chamberlin所说：“捕捉图像是一回事，但真正分析它们又是另一回事……将这些无人机平台与机器学习相结合是一段旅程。我们学到了很多，而且还有更多要学——而这一切都始于浑浊水中的蜗牛。”
资源
世界卫生组织: 血吸虫病事实
美国地质调查局Landsat卫星任务
AI for Science & Research
【全文结束】