En campos pantanosos y aguas estancadas, los pequeños huevos eclosionan. Se arrastran larvas diminutas y retorcidas. Una vez que están completamente formadas, estas sanguijuelas hambrientas se extenderán, buscando cuerpos calientes y, a menudo, les traerán consigo enfermedades.

El hombre ha luchado contra los mosquitos durante milenios. Los esfuerzos para alejar a las criaturas han resultado en su mayoría ineficaces, con miles de millones de humanos pereciendo a lo largo de los años.

A fines del siglo XIX, cuando los franceses intentaron cavar el Canal de Panamá, 22.000 murieron a manos de la fiebre amarilla transmitida por mosquitos. Dos décadas de trabajo no fueron nada, ya que las muertes minaron la voluntad y la capacidad de los trabajadores y el gobierno.

En 1904, EE.UU se hizo cargo del proyecto, y el camino para alcanzar el éxito fue claro: matar a todos los mosquitos.

El Jefe de Servicios Sanitarios de los EE.UU, Dr. William Gorgas, se embarcó en un esfuerzo sin precedentes para llevar a cabo una guerra biológica a gran escala, desplegando 4.000 tropas en 'brigadas de mosquitos' que usaron 120 toneladas de insecticida de piretro, 300 toneladas de azufre y 600.000 galones de petróleo. Se rociaron todas las casas, las ventanas y las puertas se envolvieron con mallas y se llenaron todas las piscinas de agua que encontraron.

Funcionó, con la fiebre amarilla vencida en la región en dos años. Menos de una década después, la vía fluvial de 82 km estaba completa, reformando fundamentalmente el comercio mundial.

Pero, aunque se pueden aprender lecciones del éxito del esfuerzo del Canal de Panamá, no es realista continuar con este enfoque. Causó un gran daño ambiental, mató a muchos otros animales y también fue prohibitivamente caro: en dólares de hoy, cada mosquito muerto cuestó 240 dólares

Hoy, los esfuerzos para matar mosquitos son más específicos. En lugar de una guerra de masas que destruye regiones, los ataques dirigidos buscan eliminar los puntos calientes, la modificación genética tiene como objetivo introducir esterilidad, y las vacunas buscan mitigar el impacto de la propagación de enfermedades.

Pero hacer todo eso requiere una comprensión profunda de dónde viven los mosquitos, cuántos de ellos hay y de qué especie son. Todo lo cual requiere datos.

La amenaza

Dos tipos comunes de mosquitos que plagan a Taiwán son el Aedes y el Culex. El primero propaga el dengue, la segunda Encefalitis japonesa, pero la distribución de cada uno en la nación isleña no está clara, lo que dificulta los esfuerzos para luchar contra los asesinos voladores.

La táctica común para estudiar los mosquitos requiere un trabajo práctico en el campo, exponiendo a los humanos al riesgo, en un enfoque altamente ineficiente e ineficaz. Sin embargo, eso podría cambiar con la ayuda de Edge Computing.

"La idea principal era tener un sistema que pudiera darnos algún tipo de resultados en un área en particular, qué tipo de especies son más prominentes, para que pudiéramos encontrar a cuál apuntar", dijo el Dr. Sachit Mahajan, quien trabajó en Smart Mosquito Zapper (SMZ) con la Academia Sinica de Taiwán.

Ahora Mahajan, un investigador asociado en el Departamento de Sociología de la Universidad de Cambridge, explicó el proyecto a DCD: un dispositivo informático Edge que atraería a los mosquitos, los identificaría mediante el aprendizaje automático y cargaría toda la información en un centro de datos en la nube.

Para poder desplegarse a escala, el SMZ tenía que ser rentable: construido simplemente con un Raspberry Pi 3 modelo B con una cámara Sony IMX219, una lámpara de mosquitos y un componente de concentración de viento que conduce a un pasaje fotográfico. El ancho del pasaje fue diseñado e impreso en 3D para que coincida con la longitud focal de la cámara.

Una vez que el insecto está en el SMZ, la cámara toma varias fotografías, que se convierten en escala de grises para aumentar la velocidad de computación. Luego se resta el fondo y, si queda un objeto y finalmente los datos se envían al centro de datos para el procesamiento más difícil.

De vuelta en el centro de datos, la imagen se convierte en una imagen binaria y el ruido se filtra. Se hace una imagen de 350 por 350 píxeles del mosquito, que se envía a una red neuronal convolucional (CNN) diseñada para identificar la especie.

Otros enfoques se han basado en el código de barras de ADN para definir una especie, algo que es completamente preciso, pero prohibitivamente costoso y lento. Otro método fue rastrear la frecuencia de las alas, que difiere entre los mosquitos, una táctica asequible, pero con solo un 89.55 por ciento de precisión.

Para su CNN, el equipo quería superar ese nivel. Primero ingresaron manualmente fotos de los diferentes mosquitos en el túnel, con 114 Aedes y 129 muestras Culex fotografiadas en condiciones de laboratorio. Una vez entrenado, la CNN se desató en muestras de campo. "No es tan fácil tener un sistema preciso en el campo", dijo Mahajan.

Como CNN, entrenado en un Intel i7-8700k y un Nvidia GTX 1080Ti, la precisión mejora a medida que ingresan más datos. "Inicialmente, la precisión de la clasificación era un poco baja, simplemente no teníamos suficientes datos de entrenamiento en ese momento, "Mahajan dijo. "Pero durante los tres meses del experimento, la precisión aumentó más allá del 90 por ciento".

La esperanza es que los datos del experimento, y sus seguimientos, hagan que nuestra lucha contra la malaria sea un poco más inteligente, un poco más fácil. “Tal sistema podría usarse con personas que trabajan en las agencias ambientales o en la formulación de políticas, especialmente cuando se trata de qué hacer con el área agrícola, como decidir qué tipo de insecticidas o pesticidas se usarán o suministrarán a los agricultores o agencias agrícolas ”, dijo Mahajan.

La próxima vez que la humanidad se embarque en un proyecto de construcción masivo a través de tierras acribilladas de mosquitos, o simplemente intente vivir al lado de cuerpos de agua quietos, podría buscar la salvación en el Edge Computing.