به گزارش برنا؛ وبا یکی از بیماری‌های ناشی از آب است که با خوردن و هضم آب و غذای آلوده به باکتری "ویبریو کلرا"(Vibrio cholerae) ایجاد می‌شود. این باکتری، در نواحی ساحلی جهان به خصوص نواحی پرجمعیت گرمسیری وجود دارد.
این عامل بیماری‌زا معمولا در دمای گرم و شوری و گل‌آلودگی متوسط زندگی می‌کند و می‌تواند توسط پلانکتون‌ها و موجودات کوچک مهار شود.
گرمای جهانی و افزایش رخدادهای شدید آب و هوایی موجب شیوع وبا می‌شوند. این بیماری سالانه ۱/۳ تا چهار میلیون نفر را در سرتاسر جهان تحت تاثیر قرار می‌دهد و تا ۱۴۳ هزار مورد مرگ و میر را پدید می‌آورد. یک پژوهش جدید نشان می‌دهد که شیوع وبا در نواحی ساحلی هند را به واسطه بررسی شوری آب دریا می‌توان با ۸۹ درصد موفقیت پیش‌بینی کرد.
رابطه میان عوامل محیطی ابتلا به وبا پیچیده و فصلی هستند و اثرات متفاوتی دارند. الگوریتم‌های یادگیری ماشینی می‌توانند با یاد گرفتن تشخیص الگوهایی که در پایگاه داده‌ها وجود دارند، بر این مشکلات غلبه کنند و پیش‌بینی‌های قابل بررسی ارائه دهند.
"امی کمپبل"(Amy Campbell) و همکارانش در "آزمایشگاه دریایی پلیموث"(PML) انگلستان، از یک الگوریتم یادگیری ماشینی استفاده کردند که کاربرد متداولی در علوم محیطی دارد و می‌تواند الگوهای موجود در سراسر پایگاه داده‌ها را تشخیص دهد و پیش‌بینی‌های قابل بررسی ارائه کند.
پژوهشگران، این الگوریتم را در مورد شیوع وبا در هند بین سال‌های ۲۰۱۰ تا ۲۰۱۸ آموزش دادند.
الگوریتم توانست روابط میان عوامل محیطی وبا را با کمک داده‌های ثبت شده با شش ماهواره یاد بگیرد که بخشی از "برنامه آژانس فضایی اروپا"(ESA) موسوم به "Climate Change Initiative" هستند.
این الگوریتم با گنجاندن یا حذف متغیرهای محیطی و تنظیمات فرعی برای فصول گوناگون، متغیرهای کلیدی را برای پیش‌بینی شیوع وبا یعنی دمای سطح زمین، شوری سطح دریا، کلروفیل و تفاوت سطح دریا از سطح متوسط را شناسایی کرد.
