共计 620 个字符，预计需要花费 2 分钟才能阅读完成。
形态学研究在生物分类和进化中发挥着重要作用，但在微小生物如蚊子的物种识别方面，传统方法面临巨大挑战。犹他州立大学生态学家诺拉·萨尔曼指出，即使是专业人员也难以准确区分相似蚊种，这对疾病防控工作造成严重影响。
为解决这一难题，萨尔曼团队获得美国蚊子协会 54,000 美元资助，致力于开发基于计算机视觉 AI 技术的蚊种识别工具。这项研究对防控西尼罗河病毒等蚊媒传染病具有重要公共卫生意义。
犹他州的蚊种分布近年来发生显著变化。北方家蚊是主要疾病传播媒介，而南方家蚊的出现则加剧了公共卫生风险。南方家蚊不仅传播效率更高，还展现出更强的杀虫剂抗性，且与北方家蚊存在杂交现象。
研究团队与盐湖城蚊子控制区、犹他州卫生与公共服务部保持合作，通过收集蚊样进行形态学和 DNA 分析。他们计划将这些传统方法与 Vectech 公司提供的机器学习技术相结合，开发更高效、准确且经济的物种识别系统。
随着犹他州城市化进程加快，人工设施为蚊子幼虫提供了理想的生存环境。城市管理部门通常使用杀幼虫剂控制蚊子数量，但杀虫剂抗性的出现给防控工作带来新挑战。
数据显示，2024 年犹他州报告了 14 例西尼罗河病毒感染病例，其中 1 例死亡。虽然数字看似不大，但 2008 年夏季曾出现 158 例的疫情高峰，显示出这种疾病的潜在威胁。
萨尔曼团队的研究目标是通过 AI 技术应用，以更安全、经济和环保的方式预防蚊媒传染病。这项研究不仅为犹他州的公共卫生安全提供新解决方案，也为全球蚊媒传染病防控工作提供有益借鉴。
