编辑推荐：
研究人员开发两种机器学习算法预测欧洲不同地区蜱传脑炎病毒（TBEV）的栖息地适宜性和发生情况，确定了新的潜在风险区域。
蜱传脑炎（Tick-borne encephalitis，TBE）是欧洲和亚洲最严重的蜱传病毒性疾病，在过去十年里，欧洲多地的 TBE 病例通报率不断上升。TBE 由蜱传脑炎病毒（Tick-borne encephalitis virus，TBEV）感染引起，这种病毒主要在哺乳动物和蜱之间循环传播，由于其传播的高度局部化和环境因素的复杂性，确定 TBE 的风险区域十分困难。传统的确定风险区域的方法，如基于患者回忆和主动蜱监测等，存在诸多局限性，例如回忆偏差大、劳动强度高且检测效率低。而以往的机器学习（Machine Learning，ML）模型也存在缺乏区域特异性或未包含所有相关解释变量等问题，导致数据可靠性和通用性受限。
为了更好地界定 TBE 的危险风险，阐明驱动 TBEV 传播的区域特异性环境因素，来自多个研究机构的研究人员开展了此项研究。该研究成果发表在《International Journal of Health Geographics》上。
研究人员开发了两种 ML 算法，分别用于预测欧洲不同地区（中欧、北欧和波罗的海地区）TBEV 的栖息地适宜性（最大熵算法 Maxent）和发生情况（极端梯度提升算法 XGBoost）。他们利用气候、栖息地、地形以及动物宿主和储主等局部变量，构建了区域特异性的模型。
在研究过程中，研究人员首先进行了数据收集与处理。他们从 PubMed、灰色文献以及其他相关研究中检索了 2000 年及以后报告 TBEV 发生的地理坐标数据，这些数据涵盖了蜱、啮齿动物宿主等生物类别。同时，收集了 28 个与 TBEV 传播相关的环境特征作为解释变量，包括气候、地形、啮齿动物宿主和大型哺乳动物宿主等类别。接着，对数据进行整理、去重和分类，并通过 K-means 聚类算法将研究区域划分为中欧、北欧和波罗的海地区，构建了用于模型训练的数据集。
在模型构建与评估方面，研究人员选择了 Maxent、正则化逻辑回归（Regularized logistic regression，RLR）和 XGBoost 三种算法进行建模。针对不同算法的特点，采取了相应的数据处理方法，如为 XGBoost 和 RLR 模型引入 10,000 个随机分布的 “伪缺失” 点，以增强模型的性能。通过特征选择和模型训练、调优，最终确定了每个区域的最优模型，并使用五折交叉验证评估模型的性能。
研究结果显示，共提取了 141 条记录中的 899 个 TBEV 发生坐标，经筛选和去重后，最终用于模型训练的坐标为 521 个。模型在不同区域表现出较高的性能，AUC 值在 0.72 - 0.92 之间。不同区域中，影响 TBEV 栖息地适宜性和发生的关键环境变量各不相同。在中欧，气候变量对栖息地适宜性的贡献最大；在北欧，啮齿动物宿主和海拔的影响最为显著；在波罗的海地区，动物宿主和土地覆盖的作用最为突出。
此外，模型预测出一些此前报告 TBE 发病率较低或为零的地区，如挪威西海岸、丹麦北部、克罗地亚东北部、法国东部和意大利北部等，具有较高的 TBEV 栖息地适宜性（≥60%）或发生概率（≥25%）。这表明这些地区可能存在本地获得性 TBEV 感染的潜在风险，也可能存在 TBE 病例报告不足的情况。
研究结论表明，不同的环境因素在欧洲不同地区驱动着 TBEV 的发生，该研究确定了新的 TBE 潜在风险区域。ML 模型在结合足够的解释变量进行训练时，能够为 TBE 危险风险提供可靠的见解，并为公众提供高分辨率和统一的风险地图。
这项研究具有重要意义。它有助于提高公众对 TBE 潜在风险的认识，帮助各国政府和公共卫生机构将监测工作和资源重点放在可能存在 TBE 病例漏报的地区。同时，也为进一步研究 TBE 的传播机制和防控策略提供了重要参考。然而，研究也存在一定的局限性，如监测偏差可能影响模型结果，未考虑人类行为、社会经济因素和公共卫生政策等对 TBE 风险的影响。未来的研究需要进一步完善模型，纳入更多相关因素，以提高模型的准确性和可靠性。
