ยุงเป็นพาหะของโรคติดต่อที่ร้ายแรง เช่น ไข้เลือดออก มาลาเรีย และไวรัสซิกา ซึ่งเป็นปัญหาด้านสาธารณสุขในหลายประเทศทั่วโลก ดังนั้น การเฝ้าระวังและควบคุมยุงจึงมีความสำคัญอย่างยิ่ง โดยเฉพาะในพื้นที่ที่มีความเสี่ยงสูงต่อการระบาด การเฝ้าระวังยุงแบบดั้งเดิม มักใช้วิธีการดักจับและระบุชนิดของยุงโดยผู้เชี่ยวชาญ ซึ่งเป็นกระบวนการที่ใช้แรงงานสูงและมีต้นทุนสูง แต่ในช่วงไม่กี่ปีที่ผ่านมา มีการค้นพบว่า ความถี่จากเสียงกระพือปีกของยุง สามารถใช้จำแนกชนิดของยุงและสายพันธุ์ได้แล้ว เนื่องจากยุงแต่ละสายพันธุ์มีลักษณะเสียงกระพือปีกเฉพาะตัว ซึ่งสิ่งนี้ทำให้ทีมวิจัยจากคณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล (ICT Mahidol) นำโดย ผศ. ดร.อัคร สุประทักษ์ อาจารย์ประจำกลุ่มวิชาวิทยาการคอมพิวเตอร์ Professor Dr. Peter Haddawy, Global Talent Professor, Dr. Myat Su Yin นักวิจัยคณะ ICT และทีมนักวิจัยจากคณะเวชศาสตร์เขตร้อน มหาวิทยาลัยมหิดล เกิดความสนใจที่จะใช้คลื่นความถี่จากการกระพรือปีกของยุง ในการพัฒนาโมเดลเพื่อระบุแหล่งกำเนิดของยุง และสามารถเข้าไปควบคุมการแพร่ระบาดของโรคจากยุงได้
“MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds มีจุดเริ่มต้นมาจากทางคณะเวชศาสตร์เขตร้อน มหาวิทยาลัยมหิดล ต้องการจะวางแผนควบคุมการแพร่ระบาดของโรคไข้เลือดออกจากยุง โดยเริ่มต้นจากโรงพยาบาลที่มีผู้ป่วยไข้เลือดออกเยอะที่สุดก่อน แต่ปัญหาที่เจอคือเขาไม่รู้ว่าแหล่งเพาะพันธุ์ของยุงอยู่ที่ไหน และการสำรวจแบบนี้จำเป็นต้องใช้กำลังคนเป็นจำนวนมากในการสำรวจแหล่งกำเนิด เช่น โอ่ง ไห สายยาง เป็นต้น เขาเลยอยากรู้ว่าจะทำยังไงดี ให้สามารถระบุแหล่งกำเนิด พันธุ์ และเพศของยุงได้เลย เพื่อที่จะสามารถประมาณการพื้นที่ที่มียุงเพศเมียเยอะ และจะเข้าไปควบคุมโรคได้ โดยในงานนี้เน้นศึกษาที่การกระพือปีกของยุง และพัฒนาออกมาเป็นโมเดลปัญญาประดิษฐ์ในชื่อ MosquitoSong+”
โดยการศึกษาก่อนหน้านี้ ทีมวิจัยได้ใช้วิธีการเก็บตัวอย่างของยุงด้วยการลงพื้นที่และติดกับดักยุงต่างๆ กลางแจ้ง อาทิ กับดักตาข่าย เพื่อเก็บตัวอย่างยุงที่ตายแล้ว ไปวิเคราะห์เพศและพันธุ์ต่อ แต่วิธีนี้ใช้ระยะเวลานานในการเก็บตัวอย่าง ทีมวิจัยจึงเปลี่ยนวิธีการเก็บข้อมูลด้วยการนำคอมพิวเตอร์ขนาดเล็กและไมโครโฟนคุณภาพสูงไปติดไว้ที่กับดักยุง เพื่อบันทึกเสียงคลื่นความถี่จากปีกยุง และคอมพิวเตอร์จะช่วยนับว่ามียุง หรือยุงลาย เข้ามาติดที่กับดักกี่ตัวโดยที่ไม่ต้องอาศัยผู้เชี่ยวชาญในการระบุเพศและพันธุ์ ทำให้ช่วยลดเวลาและค่าใช้จ่ายในการเฝ้าระวังอีกทั้งถ้าพบว่ามีจำนวนเยอะ ทีมวิจัยก็จะรู้ทันทีว่าพื้นที่ตรงนี้ควรเป็นพื้นเฝ้าระวัง ทั้งนี้ เมื่อมีเสียงเข้ามาเกี่ยวข้องในการศึกษาแล้ว สิ่งที่ท้าทายทีมวิจัยที่สุดนั่นคือการจำแนกเสียง
“ปัญหาที่เราเจอคือ เราไม่สามารถจำแนกเสียงของยุงได้ เนื่องจากยุงเสียงเบามาก และส่งผลให้ในช่วงแรก เรามีข้อมูลที่จำกัด ทางคณะเวชศาสตร์เขตร้อน มหาวิทยาลัยมหิดล ได้แก้ปัญหานี้ด้วยการเลี้ยงยุงภายในห้องทดลอง พร้อมบันทึกเสียงยุงภายในห้อง ซึ่งช่วยให้เขาสามารถควบคุมปัจจัยต่างๆ ได้มากขึ้น ทราบว่าเป็นยุงเพศและพันธุ์อะไร มีอายุกี่วัน มีข้อมูลในการศึกษาเรื่องนี้มากขึ้น และอีกหนึ่งปัญหาที่เจอคือ พอเอาไมโครโฟนไปวางคู่กันกับ กับดักกลางแจ้ง สิ่งที่ตามมาคือ ด้านนอกไม่ได้เงียบ มีเสียงรถวิ่งผ่าน เสียงนกร้อง เสียงลมพัด ทำให้มีเรียงรบกวนเข้ามาในระหว่างบันทึกข้อมูล”
เมื่อเสียงบันทึกที่ได้มีเสียงรบกวน ทางทีมวิจัยจึงต้องนำเสียงที่บันทึกได้ไปเข้าสู่กระบวนการNoise Simulation เพื่อเพิ่มความสามารถของโมเดลในการจำแนกเสียงกระพือปีกของยุงแม้อยู่ในสภาพแวดล้อมที่มีเสียงรบกวน เนื่องจากเสียงรบกวนเป็นปัจจัยสำคัญที่ลดความแม่นยำของโมเดลเมื่อนำไปใช้งานจริง กระบวนการนี้จึงถูกใช้เพื่อลดผลกระทบของเสียงรบกวนและช่วยให้โมเดลเรียนรู้วิธีการแยกแยะเสียงยุงจากเสียงพื้นหลังได้ดียิ่งขึ้น เพื่อให้มีความผิดพลาดน้อยที่สุดเท่าที่จะเป็นไปได้ โดยผลการศึกษาพบว่าโมเดล MosquitoSong+ สามารถจำแนกชนิดของยุงได้อย่างแม่นยำมากกว่า 80% แม้อยู่ในสภาพแวดล้อมที่มีเสียงรบกวน และสามารถจำแนกเพศของยุงได้ด้วยความแม่นยำ 93.3% โมเดลมีความสามารถในการทำงานได้ดีในหลายสภาพแวดล้อมและสามารถนำไปใช้ในภาคสนามได้
ผศ. ดร.อัคร สุประทักษ์ ยังพูดถึงแนวโน้มของยุง และแนวทางของการต่อยอดงานนี้ในอนาคต ดังนี้
“ณ ตอนนี้ เรามีโมเดลที่เราเชื่อว่ามันทำงานได้ดีแล้ว ในที่ที่มีเสียงรบกวน แต่ก็ยังมีปัจจัยหลายๆ อย่างที่เรายังคงต้องศึกษาต่อไปเรื่อยๆ เช่น ความชื้น อุณหภูมิในฤดูต่างๆ พฤติกรรมของยุง การเจริญเติบโตของยุง ก็ส่งผลต่อการกระพือปีกของยุง ซึ่งงานนี้เป็นงานที่ทำกับนักวิจัยทั่วโลก และทุกคนเจอปัญหาเหมือนกันหมดคือไม่สามารถอัดเสียงยุงจากสภาพแวดล้อมด้านนอกจริงๆ ได้ เราเลยต้องใช้เทคโนโลยีเข้ามาช่วยเก็บข้อมูลอีกทางหนึ่ง ในระหว่างที่เราเองก็เก็บข้อมูลไปพร้อมกันด้วย โดยผลลัพธ์ที่เราหวังคือกับดักที่ติดตั้งมีอายุการใช้งานข้างนอกนาน ช่วยให้เราเฝ้าระวังได้มากขึ้น สามารถระบุข้อมูลของยุงในแต่ละพื้นที่ผ่าน Google Maps ได้ นอกจากนี้ สถานการณ์โลกร้อน ทำให้อุณหภูมิในบางประเทศสูงขึ้น สิ่งที่ตามมาคือ ประเทศที่ไม่เคยมียุง ก็มีการแพร่ระบาดของยุงเกิดขึ้น ทำให้คนทั่วโลกให้ความสนใจกับเรื่องของการควบคุมโรคจากยุงมากยิ่งขึ้น”
รู้หรือไม่? ในงานวิจัย MosquitoSong+ ทีมวิจัยใช้เสียงกระพือปีกของยุงในการแยกแยะยุงเพศเมียและเพศผู้ เพื่อระบุพื้นที่เพาะพันธุ์ของยุง โดยยุงเพศเมียมักมีอัตราการกระพือปีกที่ต่ำกว่าเพศผู้ นอกจากนี้ นักวิจัยยังติดตามพฤติกรรมการบินของยุงเพศเมีย เนื่องจากเพศเมียต้องออกหาเลือดจากสิ่งมีชีวิต เพื่อใช้ในการพัฒนาฟองไข่ และมักจะพบได้ใกล้แหล่งน้ำที่เป็นจุดวางไข่ ซึ่งช่วยให้ทีมวิจัยสามารถระบุแหล่งกำเนิดยุงได้ดียิ่งขึ้น
ติดตามผลงานของ ผศ. ดร.อัคร สุประทักษ์ ได้ที่: https://akaraspt.github.io/
ดาวน์โหลดผลงานตีพิมพ์เรื่อง MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds ได้ที่:https://doi.org/10.1371/journal.pone.0310121