Applicazione di modelli di machine learning per lo studio della propagazione di zoonosi

Il concetto di One Health riconosce che la salute animale e umana e la contaminazione ambientale sono strettamente legate. Lo studio degli agenti infettivi che possono attraversare specie e barriere ambientali per spostarsi tra questi sta assumendo sempre maggiore importanza. Questa dissertazione riguarda l'applicazione di modelli di apprendimento automatico al fine di capire come le zoonosi oggetto di studio (epatite, leishmania, leptospira, salmonella) si diffondano tra gli animali. Le attività sviluppate rappresentano un ulteriore approfondimento del lavoro svolto nella tesi "Application of data science and machine learning on the one-health project combatting zoonoses" inserito all'interno del progetto "Intelligenza artificiale e One Health nella lotta alle zoonosi" dell'Istituto Zooprofilattico Sperimentale del Piemonte, Liguria e Valle D'Aosta (IZSPLV). Dal lavoro appena citato è sorta la necessità di valutare, sui modelli di apprendimento automatico precedentemente elaborati, l'impatto che possono avere features relative alle cause dirette delle zoonosi. Una causa comune nella propagazione delle zoonosi è legata alla presenza di acqua, che può trasportare liquidi infetti o rappresentare l'habitat di vettori, come i pappataci. Primo obiettivo di questa tesi è stato generare le features che siano indicative della presenza di acqua. Successivamente queste nuove features, insieme quelle elaborate precedentemente, sono state usate come input per i modelli di regressione logistica e random forest. Dopo l'applicazione di questi modelli è stato valutato l'impatto dell'introduzione delle nuove features sugli stessi. Infine, è stata fatta sperimentazione con un modello non ancora applicato, il GWR. Questo modello si basa sulla prima legge di Tobler "tutto è relazionato con tutto, ma ciò che è vicino è maggiormente relazionato rispetto a ciò che è distante". Questo modello è stato preso in considerazione per comprendere meglio se la variazione di contesto potesse influire diversamente sull'insorgere di zoonosi. Infine, sono stati analizzati i risultati e si è proposto un metodo di miglioramento degli stessi, per eventuali sviluppi futuri.