AI系统锁定引发过敏的树源花粉

但由德克萨斯大学阿灵顿分校、内华达大学和弗吉尼亚理工学院研究人员开发的新型人工智能系统正使该任务大幅简化——并可能为过敏患者带来巨大缓解。

"通过更详细的数据了解哪些树种致敏性最强及其花粉释放时间，城市规划者就能更明智地决定种植品种和位置，"UTA生物学研究助理教授、发表于《大数据前沿》期刊新研究的合著者Behnaz Balmaki表示。她与UTA数据科学部的Masoud Rostami共同完成了此项研究。"这在学校、医院、公园和社区等人流密集区域尤为重要。卫生服务机构也可利用这些信息，在花粉高峰期更精准地安排过敏警报、公共卫生信息发布和治疗建议。"

花粉分析是重建历史生态系统的强有力方法。湖床和泥炭沼泽中保存的花粉粒提供了过去植物群落的详细记录。由于植物分布与温度、降雨和湿度等环境因素紧密相关，识别沉积物不同层中的花粉类型可揭示生态系统如何随时间响应自然气候波动，以及未来可能如何反应。

"即使使用高分辨率显微镜，花粉间的差异也极其细微，"Balmaki博士指出。"我们的研究表明深度学习工具能显著提升花粉分类的速度与准确性。这为大规模环境监测和更精细的生态变化重建开辟了道路，同时通过精准识别释放花粉的物种及时段，为改善过敏原追踪带来希望。"

Balmaki补充说明该研究亦将惠及农业领域。

"花粉是生态系统健康的关键指标，"她解释道。"花粉组成的变化可预示植被变迁、湿度水平甚至历史火灾活动。农民可利用这些信息追踪影响作物生存力、土壤状况或区域气候模式的长期环境趋势。这对野生动物和传粉昆虫保护同样重要——包括蜜蜂和蝴蝶在内的许多动物依赖特定植物获取食物和栖息地。通过识别区域内现存或衰退的植物物种，我们能更深入理解这些变化如何影响整个食物网，并采取措施保护植物与传粉者间的关键关系。"

本研究团队检测了内华达大学国家历史博物馆保存的冷杉、云杉和松树历史样本。他们运用九种不同AI模型测试这些样本，证实该技术能以惊人速度和准确度识别花粉。

"这表明深度学习在速度和准确性上都能成功支持甚至超越传统鉴定方法，"Balmaki强调。"但同时也印证了人类专业知识仍不可或缺——需要精心制备的样本和对生态背景的深刻理解。这不仅关乎机器，更是技术与科学的协同合作。"

针对未来研究，Balmaki团队计划扩大植物物种研究范围，旨在开发可应用于美国不同区域的综合花粉识别系统，以深入理解植物群落如何响应极端天气事件。