人工智能系统瞄准引发过敏的树木花粉

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大学研究人员开发的一个人工智能新系统，正在使这项任务变得容易得多——并可能为过敏患者带来巨大福音。

UTA生物学研究助理教授、本项发表在《大数据前沿》期刊上的新研究合著者Behnaz Balmaki与UTA数据科学部的Masoud Rostami共同表示："通过获取关于哪些树种致敏性最强以及它们何时释放花粉的更详细数据，城市规划者可以就种植内容和地点做出更明智的决策。这在学校、医院、公园和社区等高人流区域尤为重要。卫生服务机构也可利用这些信息，在花粉高峰季节更精准地安排过敏预警、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有力方法。保存在湖床和泥炭沼泽中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、降水和湿度等环境因素密切相关，识别沉积物不同层中存在的花粉类型，可以揭示生态系统如何响应自然气候波动，以及未来可能如何反应。

"即使使用高分辨率显微镜，不同花粉之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。同时通过精确识别释放花粉的物种及时段，有望改善过敏原追踪。"

Balmaki补充说，这项研究也将惠及农业领域。

"花粉是生态系统健康状况的重要指标，"她解释道，"花粉组成的变化可能预示着植被变迁、湿度水平波动甚至历史上的火灾活动。农民可利用这些信息追踪影响作物生存能力、土壤条件或区域气候模式的长期环境趋势。这对野生动物和传粉媒介保护同样重要，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媒介之间的关键生态关联。"

本研究团队分析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。他们使用九种不同的人工智能模型测试了这些样本，证实该技术能以惊人速度和准确性识别花粉。

"这表明深度学习在速度和准确性上不仅能成功辅助传统识别方法，甚至可能超越它们，"Balmaki强调，"但同时也印证了人类专业知识仍然不可或缺。我们需要精心制备的样本和对生态环境的深刻理解。这不仅关乎机器——更是技术与科学的协同合作。"

对于未来计划，Balmaki与合作者拟将研究拓展至更广泛的植物物种。他们的目标是开发一套综合性花粉识别系统，可应用于美国不同区域，以深入理解植物群落如何响应极端天气事件而发生变迁。