I Amazonas regnskog, få djur är så farliga för människor som myggor som överför malaria. Den tropiska sjukdomen kan ge hög feber, huvudvärk och frossa och är särskilt allvarlig för barn och äldre och kan orsaka komplikationer för gravida kvinnor. I regnskogstäckta Peru, antalet malariafall har ökat. Under de senaste fem åren, landet har i genomsnitt haft den näst högsta andelen i Sydamerika. Under vart och ett av åren 2014 och 2015 fanns det 65, 000 anmälda fall.

Att innehålla malariautbrott är utmanande eftersom det är svårt att ta reda på var människor drabbas av sjukdomen. Som ett resultat, resurser som insekticidbehandlade sängnät och inomhussprayer används ofta till områden där få människor blir smittade, låta utbrottet växa.

För att ta itu med detta problem, universitetsforskare har vänt sig till data från NASA:s flotta av jordobserverande satelliter, som kan spåra de typer av mänskliga och miljömässiga händelser som vanligtvis föregår ett utbrott. Med finansiering från NASA:s Applied Sciences Program, de arbetar i partnerskap med den peruanska regeringen för att utveckla ett system som använder satellit och annan data för att hjälpa till att förutse utbrott på hushållsnivå månader i förväg och förhindra att de inträffar.

Spåra myggor

I Amazonas, myggarten Anopheles darlingi är mest ansvarig för spridningen av malaria, som orsakas av encelliga parasiter som kallas Plasmodia. Kvinnor (och endast honor) får i sig parasiten när de äter blod från en infekterad människa och kan föra den vidare till nästa människa som den äter. "Malaria är en vektorburen sjukdom, vilket betyder att du måste ha en vektor, eller mygga, I detta fall, överföra sjukdomen, sa chefsutredaren William Pan, en biträdande professor i global miljöhälsa vid Duke University. "Nyckeln till vårt malariaprognosverktyg ligger i att lokalisera områden där de främsta häckningsplatserna för dessa myggor överlappar samtidigt med mänskliga populationer."

Att förutsäga var dessa myggor kommer att blomstra bygger på att identifiera områden med varm lufttemperatur och lugna vatten, som dammar och vattenpölar, som de behöver för att lägga ägg. Forskare vänder sig till Land Data Assimilation System, eller LDAS:ett land-yt-modelleringsarbete som stöds av NASA och andra organisationer. NASA satelliter, som Landsat, Global nederbördsmätning, och Terra och Aqua, fungera som indata för LDAS, vilket i sin tur ger löpande information om nederbörd, temperatur, markfuktighet och växtlighet runt om i världen.

Även om man inte direkt identifierar pölar och dammar, LDAS visar var de är mycket sannolikt att bildas. Till exempel, översvämningar kan svämma över flodstränder eller kraftiga regn kan mätta jorden, att låta vatten poola.

"Det är en övning i indirekt resonemang, sa Ben Zaitchik, projektets medutredare ansvarig för LDAS-komponenten och en docent vid Johns Hopkins Universitys institution för jord- och planetvetenskap. "Dessa modeller låter oss förutsäga var markfuktigheten kommer att vara i ett tillstånd som gör det möjligt för häckningsplatser att bildas."

Genom satellitbaserade vegetations- och marktäckskartor, LDAS spårar också en annan viktig indikator för framtida malariautbrott:avskogning, i synnerhet när det gäller vägutveckling. När vägar byggs, bulldozers gräver diken för att göra sig av med träd och annat vegetativt avfall; när de fylls med regnvatten blir dessa diken mygga förökningsplatser. När infekterade människor korsar dessa vägar och överför sjukdomen till Anopheles darlingi, ett utbrott kan inträffa.

Spåra människor

Medan LDAS spårar väder och avskogning för att identifiera framväxande myggpopulationer och framtida hotspots för utbrott, rapporterade malariafall placerar de smittade på kartan. Men i syfte att förutsäga ett utbrott, den kartan berättar inte en fullständig historia.

I Peru, malaria diagnostiseras och behandlas på hälsostationer utspridda runt om i landet, och resurser skickas till dessa inlägg för att innehålla utbrott. Problemet med denna metod för inneslutning, enligt Pan, är att den hälsopost där en person söker behandling inte alltid är i närheten av där han eller hon ådrog sig sjukdomen. Det beror på att de som löper störst risk för malaria tillbringar flera månader om året med att logga eller bryta, som ofta skickar dem på resor långt från sina hem.

Att hitta var människor blir smittade utgör kärnan i malariaprognossystemet, och Pan utvecklar en regionalt baserad statistisk modell och en mer detaljerad agentbaserad modell för att rikta in sig på dessa hotspots.

För den regionala modellen, rapporterade fall av malaria inkorporeras tillsammans med befolkningsuppskattningar för varje län och antaganden om vart människor reser baserat på säsongsbetonade migrationsstudier. Att integrera miljödata genom LDAS placerar inte bara myggpopulationer på kartan utan hjälper också till att informera mänskliga rörelser, till exempel, genom att upptäcka stigande floder under regnperioden. "Det är mycket lättare att flyta stockar nerför en flod när den är hög, och samtidigt trivs myggor eftersom vattenfickor dyker upp längs flodstranden, " Pan förklarade, "så dessa typer av tillstånd motsvarar hög malariarisk."

Den regionala modellen kommer att ge en helhetsbild av hur människor, mygg, och sjukdomen är lokaliserad och vart de är på väg baserat på hur dessa variabler interagerar. På samma gång, den agentbaserade modellen – namngiven eftersom den modellerar beteendet hos varje agent, eller varje människa, mygga, och malariaparasit inom ett område – kommer att zooma in på ett snävare geografiskt område genom att använda högupplösta hydrologidata och genom att titta in på stadsdelar och människors rörelser. I kombination med LDAS-data, modellen kommer att köra en simulering för att bedöma sannolikheten för när, var och hur många människor förväntas bli bitna och smittade av sjukdomen.

Förhindra ett utbrott

Enligt Pan, de två modellerna kommer att användas för att projicera framåt 12 veckor och peka ut, ner till hushållsnivå, där sjukdomen förutspås få fäste. Modellerna kommer också att simulera vad som skulle bli resultatet av någon av flera åtgärder, från att dela ut sängnät och sprayer som kan minska kontakten mellan människa och mygg till att administrera förebyggande behandling mot malaria som kan stoppa överföringen. Baserat på resultaten, hälsoministeriet kan genomföra den optimala planen.

Den agentbaserade modellens förmåga att göra prognoser ner till hushållsnivå tillåter resurser att gå dit de behövs. Det skulle vara en markant vändning från regeringens nuvarande metod, som är att fördela resurser brett, ibland till områden som kanske inte behöver dem. "Istället för att behandla 100 procent av samhället, vi skulle kunna fokusera vektorkontroll i vissa hushåll eller specifika områden i samhället, " Pan förklarade. "Det är en riktad strategi som kan uppnå samma minskning av malaria, men till potentiellt lägre kostnad och med snabbare svar."

När projektet går in i det tredje av sitt treåriga anslag, Pan och hans kollegor fortsätter att förfina modellerna. Han uppskattar att prognosverktyget kan vara klart att användas inom några år. Den peruanska regeringen arbetar redan med Pan för att bekanta sig med systemet, särskilt när det börjar sitt Malaria Cero-program, som syftar till att eliminera sjukdomen till 2021. Andra länder, inklusive Colombia och Ecuador, har uttryckt intresse.

Även om detta projekt är fokuserat på malaria, Pan noterade att en av fördelarna med verktyget är dess anpassningsförmåga, eftersom LDAS och populationsmodeller kan användas för att spåra inte bara malaria utan även ett antal andra sjukdomar, som Zika och Dengue. "Jag tror att statliga hälsomyndigheter kommer att hitta inte bara en utan många användningsområden för systemet som kan gynna många människor, sa han. Det har alltid varit vårt mål.