Klimat-AI-Infektion-Anpassning (CLAIRE)

Viktiga resultat som projektet gav

UMU och LU, i samarbete med forskare från Heidelberg, har utvecklat state-of-the-art algoritmer för att undersöka och förutsäga infektionssjukdomar samt spridningen av myggor och fästingar i Europa och Sverige. Modellerna kan skapa prognoser för spridningen av dessa sjukdomar och populationer med hjälp av klimatscenarier. SMHI identifierade relevanta klimatindex, extraherade, kvalitetssäkrade och bias-korrigerade klimatdata för tidigare och potentiella framtida klimat fram till år 2100. En sftp-serverlösning har etablerats för dataleverans.

Långsiktiga effekter som förväntas

Effekten av dessa algoritmer är tvåfaldig. De kan användas som ett varningssystem för att hjälpa beslutsfattare att förbereda sig för framtida utbrott och skapa scenarier för sjukdomsutbrott med hjälp av klimatscenarier, vilket stödjer informerade policybeslut. Algoritmerna kan anpassas till andra sjukdomar eller spridningsprocesser, vilket utvecklar metodologin inom maskininlärning. Relevanta klimatvariabler, inklusive temperatur och nederbörd, har identifierats och levererats med hög rumslig och tidsmässig upplösning.

Upplägg och genomförande

Algoritmerna utvecklades med hjälp av forskare vid UMU och Heidelberg Universitet. Huvudutvecklarna var två postdoktorer vid LU. För att underlätta kommunikationen och kunskapsöverföringen med andra CLAIRE-medlemmar genomfördes flera resor till UMU och Heidelberg samt möten med övriga deltagare. SMHI arbete fokuserade på fyra områden: a) tvåvägs kunskapsöverföring mellan partners, b) definition av klimatdata och variabler för effektmodellering, c) generering, biaskorrigering och efterbearbetning av klimatdata, och d) upprättande av en datapipeline till partners.