在致人死亡的動物中,，蚊子排名第一,。

根據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計數(shù)據(jù)顯示,，全球每年約有72.5萬人死于蚊蟲叮咬產(chǎn)生的疾病,，僅瘧疾一項在2022年就造成60.8萬例死亡。相比之下,，其他致命的動物,，如蛇、狗（通過傳播狂犬?。?、鱷魚等,，盡管也造成了相當(dāng)數(shù)量的死亡,，但與蚊子相比,，數(shù)字要小得多,。

每年死于各類動物的人數(shù)對比

雖然世衛(wèi)組織早在1955年就曾做出過徹底消滅瘧疾的宣言,，但在很多地區(qū),，消滅瘧疾卻成為了一場「打地鼠」的游戲,。每當(dāng)瘧疾被認為得到控制時,，沒過多久又會以另一種形式出現(xiàn),，時至今日仍然沒有得到有效的控制。

想要斷絕由蚊子作為媒介傳播的疾病,，首先在于檢測分辨不同種類的蚊子,，這不僅由于不同種類的蚊子會攜帶不同的疾病，也在于不同蚊子會有不同的生存特性,。

這意味著如果能夠分辨蚊子的種類,，就可以利用其不同的特性滅蚊，例如針對室外生活和覓食的蚊子采取如消除滋生地,，針對室內(nèi)生存的蚊子采用蚊帳等,，這在很多地區(qū)被證明是行之有效的滅蚊措施。

前世界首富比爾·蓋茨近期分享了一項為此而生的新技術(shù)——VectorCam,。它能夠通過應(yīng)用程序僅需拍攝一張蚊子照片,，即可識別蚊子種類、性別,、是否吸食血液及產(chǎn)下蟲卵：

在與蚊子的斗爭中,，我們終于看清了我們的對手。

比爾·蓋茨在視頻中介紹該技術(shù)

用AI計算機視覺「看清」蚊子

據(jù)VectorCam官方介紹,，該系統(tǒng)采用了一種用于識別蚊子種類,、性別和腹部狀態(tài)的新型卷積神經(jīng)網(wǎng)絡(luò)VectorBrain。

作為一種專門為識別蚊子訓(xùn)練的AI模型，VectorBrain能夠準確識別6種主要蚊媒,，包括主要瘧疾媒介,，在資源受限的環(huán)境中準確率超過90%。

VectorBrain是一個多任務(wù)EfficientNet架構(gòu),，專為蚊子分類設(shè)計,，同時輸出種類、性別和腹部狀態(tài),。該架構(gòu)包括一個特征提取器和一個分支結(jié)構(gòu),，每個分支對應(yīng)一個分類任務(wù)。

在識別蚊子方面,，VectorBrain使用了輕量級的YOLO模型,，能夠?qū)崟r定位蚊子，并使用檢測到的坐標裁剪出只包含蚊子本身的圖像,，來進行更好的識別,。

圖片舉例說明了分類蚊子圖像的各個階段。首先,，展示需要分類的完整蚊子圖像（a）,。然后，使用YOLO算法根據(jù)坐標裁剪蚊子圖像,，并進行一系列圖像變換以準備分類（b）,。最后，顯示分類算法的輸出結(jié)果,，確定圖像中的蚊子種類（c）,。

具體而言，YOLO模型在訓(xùn)練和驗證過程中的精度,、召回率和平均精度（mAP）分別為96.00%,、90.50%和95.87%。種類分類模型的準確率為92.40±2%,，性別分類模型的準確率為97.00±1%,，腹部狀態(tài)分類模型的準確率為83.20±3.1%。

（a）為YOLO模型在訓(xùn)練和驗證中的性能指標,，（b）為模型檢測蚊子案例

通過種類,、性別、腹部狀態(tài)分類的混淆矩陣和準確率

在 VectorCam 提供的論文中,，還將其正在使用的 YOLOv5 與廣泛應(yīng)用于各種目標檢測任務(wù)的 Faster R-CNN 模型進行對比,，YOLOv5 Small 在參數(shù)數(shù)量、模型大小,、mAP 和運行時間等方面都有更好表現(xiàn),，

赤腳醫(yī)生也能快速上手

不僅是更有針對性的大模型,，VectorCam為了適應(yīng)瘧疾傳播區(qū)，在具體操作方面也進行了簡化,，使其能夠更好地適應(yīng)瘧疾傳播區(qū)的實際情況,。

具體而言，VectorCam包括一套專門的成像設(shè)備和一款手機應(yīng)用程序,。其中的硬件組件包括內(nèi)置15倍微距鏡頭的燈箱,、手機殼設(shè)計和擴展塢。硬件還包括Eppendorf管支架和蚊子托盤以及穿孔標本ID表,，更好地儲存這些蚊子,。

VectorCam的軟件是一個基于Android的應(yīng)用程序，據(jù)稱能夠識別超過39種蚊子類型,，包括常見的蚊子以及一些更易攜帶疾病的特定蚊子類型,，經(jīng)過算法優(yōu)化后還能夠在較低端的Android手機上運行。

VectorCam的手機操作界面

系統(tǒng)的工作流程包括將收集到的蚊子放入硬件,、使用智能手機應(yīng)用程序捕獲蚊子的放大圖像,、并將蚊子存儲在帶有唯一標簽的Eppendorf管中，以便后續(xù)的分子驗證,。

VectorCam系統(tǒng)的整個工作流程

成像和加載任務(wù)僅需兩個用戶完成：一個負責(zé)成像,，另一個負責(zé)加載和存儲蚊子,，不需要太多昆蟲學(xué)專業(yè)知識,，即使是鄉(xiāng)村衛(wèi)生團隊也能通過簡單的培訓(xùn)操作VectorCam。

除了操作簡便以外,，VectorCam還有一個優(yōu)點在于能夠以更直觀的方式展示蚊子的地區(qū)分布,，使決策者能夠更好地了解情況并根據(jù)蚊子種類、性別,、腹部情況等判斷當(dāng)?shù)?，采取相?yīng)措施應(yīng)對，推動徹底消滅瘧疾頑疾的進程,。

圖片展示了該網(wǎng)絡(luò)如何在不同層次「感知」蚊子的特征,，并通過直觀的方式顯示出其種類、腹部狀態(tài),、性別分布情況

用AI計算機聽覺「識別」蚊子

在用手機檢測蚊子方面,，比爾·蓋茨還介紹了另一項成果——HumBug。

這個新系統(tǒng)是一套機器學(xué)習(xí)算法,，能夠利用智能手機捕捉到的蚊子飛行音調(diào)的聲學(xué)特征（聲音）,，通過蚊子翅膀拍打的聲音來識別蚊子種類。（事實證明,，不同種類的蚊子由于個體大小,、年齡和環(huán)境溫度等差異,，拍打翅膀的速度不同，因而在聲音上也會有差異,。）

HumBug項目具體工作流程

而且更重要的是,，Humbug并不需要像VectorCam一樣使用特殊裝置采集蚊子，從而進一步簡化了蚊子檢測流程,。

不過Humbug仍處于早期階段,，但如果成功，它可能會實現(xiàn)更自動化和持續(xù)的監(jiān)測,。

在介紹這些技術(shù)時,，比爾·蓋茨也表達了一定的擔(dān)憂，并非擔(dān)心在技術(shù)上的困難,，而是擔(dān)心其他政治,、經(jīng)濟的因素：

我們面臨的最大挑戰(zhàn)之一并非科學(xué)上的，而是資金和政治上的,。