AI identifierar fästingar – kan användas vid övervakning av fästingarter

Fästingar är små, men deras påverkan på människors och djurs hälsa är stor. Fästingar kan bära på många olika smittämnen, som vid ett fästingbett kan spridas vidare till människor och djur och orsaka sjukdomar. Effekterna av klimatförändringen skapar bättre förutsättningar för fästingens överlevnad och förökning, och en tydlig trend är att våra inhemska fästingarter ökar i utbredning. 

För att kunna följa deras utbredning behövs snabb och tillförlitlig information om var de olika arterna finns – något som hittills har krävt mycket manuellt arbete för forskarna. Traditionell fältbaserad övervakning av fästingar är resurskrävande. För att få in observationer om fästingpopulationen i hela landet har vi använt oss av Rapportera Fästing, ett medborgarforskningsverktyg. 

15 000 fästingbilder har skapat ett unikt material

Allmänheten har via verktyget Rapportera Fästing skickat in över 15 000 bilder på fästingfynd, vilket är mer än vi hade förväntat oss. Bilderna har varierat i kvalitet. Vissa var tydliga närbilder, andra tagna med mobilkamera ute i naturen, men tillsammans utgör de ett unikt material. Med hjälp av artificiell intelligens (AI) och allmänhetens vilja att hjälpa forskarna, har alla bilder använts för att träna en AI-modell att känna igen olika fästingarter.

Relativt hög träffsäkerhet för den nya AI-modellen

Resultaten visar att AI-modellen kan identifiera fästingarter med relativt hög träffsäkerhet. Främst när det gäller våra vanligaste inhemska fästingarter, medan mer sällsynta exotiska fästingarter och bilder med låg kvalitet var svårare för AI-modellen att tolka. För att förstå hur AI-modellen fattade sina beslut analyserade forskarna också vilka delar av bilden den fokuserade på. Vi kunde bekräfta att modellen tittade på själva fästingen, och inte på bakgrunden.

Hur kan tekniken hjälpa oss i framtiden?

Vi har fortfarande mycket kvar att lära och tekniken är inte perfekt, men studien visar att kombinationen av AI-modellen och medborgarforskning kan bli ett kraftfullt verktyg för att övervaka fästingarter i realtid. Arbetssättet kan frigöra mer tid för forskaren, som inte själv behöver identifiera varje inskickad bild. En AI-modell kan sortera och artbestämma tusentals bilder på kort tid. Den nya tekniken kan skapa bättre möjligheter att upptäcka nya arter, följa fästingarna utbredning och snabbt upptäcka nya fästingarter.

Mer om studien

Studien visar också hur samarbetet mellan forskare och allmänhet kan bidra till viktig kunskap om vår miljö. Genom att människor delar bilder på fästingfynd över hela landet kan forskningen ta del av data som annars vore omöjlig att samla in. 

Studien finns publicerad här: Automated tick classification using deep learning and its associated challenges in citizen science | Scientific Reports

Studien ingår i det internationella forskningsprojektet IDAlert som har ett tydligt fokus på kopplingen mellan djur, människor och miljö, med målet att tillsammans uppnå en mer aktuell och effektiv beredskap i Europa.

Studien gjordes i ett samarbete mellan medarbetare från SVA, Lunds universitet, Malmö universitet, Sveriges Lantbruksuniversitet, Umeå universitet och Heidelbergs universitet i Tyskland.