Aceasta este o postare pentru oaspeți, în colaborare cu Ajay K Gupta, Jean Felipe Teotonio și Paul A Churchyard de la HSR.health.
HSR.sănătate este o firmă de analiză a riscurilor pentru sănătate geospațială a cărei viziune este că provocările globale de sănătate pot fi rezolvate prin ingeniozitatea umană și prin aplicarea concentrată și precisă a analizei datelor. În acest post, prezentăm o abordare pentru prevenirea bolilor zoonotice care utilizează Capacitățile geospațiale Amazon SageMaker pentru a crea un instrument care oferă informații mai precise despre răspândirea bolilor oamenilor de știință din domeniul sănătății, pentru a-i ajuta să salveze mai multe vieți, mai repede.
Bolile zoonotice afectează atât animalele, cât și oamenii. Tranziția unei boli de la animal la om, cunoscută ca deversare, este un fenomen care are loc continuu pe planeta noastră. Potrivit organizațiilor de sănătate, cum ar fi Centrele pentru Controlul și Prevenirea Bolilor (CDC) și Organizația Mondială a Sănătății (OMS), un eveniment de propagare la o piață umedă din Wuhan, China, cel mai probabil a provocat boala coronavirus 2019 (COVID-19). Studiile sugerează că un virus găsit la liliecii de fructe a suferit mutații semnificative, permițându-i să infecteze oamenii. Pacientul inițial, sau „pacientul zero”, pentru COVID-19, probabil a început un focar local ulterior, care în cele din urmă s-a răspândit la nivel internațional. HSR.sănătateIndicele riscului de răspândire zoonotică al lui își propune să asiste la identificarea acestor focare timpurii înainte ca acestea să treacă granițele internaționale și să conducă la un impact global pe scară largă.
Principala armă pe care o are sănătatea publică împotriva propagării focarelor regionale este supravegherea bolilor: un întreg sistem interconectat de raportare, investigare și comunicare a datelor între diferitele niveluri ale unui sistem de sănătate publică. Acest sistem depinde nu numai de factorii umani, ci și de tehnologie și resurse pentru a colecta date despre boli, a analiza modele și a crea un flux coerent și continuu de transfer de date de la autoritățile locale la regionale la centrale ale sănătății.
Viteza cu care COVID-19 a trecut de la un focar local la o boală globală prezentă pe fiecare continent ar trebui să fie un exemplu serios al nevoii extreme de a valorifica tehnologia inovatoare pentru a crea sisteme de supraveghere a bolilor mai eficiente și mai precise.
Riscul de propagare a bolii zoonotice este puternic corelat cu multiplii factori sociali, de mediu și geografici care influențează cât de des interacționează ființele umane cu fauna sălbatică. HSR.de sănătate Indicele riscului de răspândire a bolilor zoonotice folosește peste 20 de factori geografici, sociali și de mediu diferiți cunoscuți din trecut că afectează riscul interacțiunii om-fauna sălbatică și, prin urmare, riscul de propagare a bolii zoonotice. Mulți dintre acești factori pot fi cartografiați printr-o combinație de imagini prin satelit și teledetecție.
În această postare, explorăm modul în care HSR.sănătate folosește capabilitățile geospațiale SageMaker pentru a prelua caracteristici relevante din imaginile prin satelit și teledetecția pentru dezvoltarea indicelui de risc. Capacitățile geospațiale SageMaker le facilitează oamenilor de știință ai datelor și inginerilor de învățare automată (ML) să construiască, să antreneze și să implementeze modele folosind date geospațiale. Cu capabilitățile geospațiale SageMaker, puteți transforma sau îmbogăți eficient seturi de date geospațiale la scară largă, puteți accelera construirea modelelor cu modele ML pregătite în prealabil și puteți explora predicțiile modelului și datele geospațiale pe o hartă interactivă folosind grafică accelerată 3D și instrumente de vizualizare încorporate.
Utilizarea ML și a datelor geospațiale pentru atenuarea riscurilor
ML este foarte eficient pentru detectarea anomaliilor pe date spațiale sau temporale datorită capacității sale de a învăța din date fără a fi programat în mod explicit pentru a identifica tipuri specifice de anomalii. Datele spațiale, care se referă la poziția fizică și forma obiectelor, conțin adesea modele și relații complexe care pot fi dificil de analizat de către algoritmii tradiționali.
Încorporarea ML cu date geospațiale îmbunătățește capacitatea de a detecta în mod sistematic anomaliile și modelele neobișnuite, ceea ce este esențial pentru sistemele de avertizare timpurie. Aceste sisteme sunt cruciale în domenii precum monitorizarea mediului, managementul dezastrelor și securitatea. Modelarea predictivă folosind date geospațiale istorice permite organizațiilor să identifice și să se pregătească pentru potențiale evenimente viitoare. Aceste evenimente variază de la dezastre naturale și întreruperi ale traficului până la, așa cum discută această postare, focare de boli.
Detectarea riscurilor de deversare zoonotică
Pentru a prezice riscurile de propagare zoonotică, HSR.sănătate a adoptat o abordare multimodală. Prin utilizarea unui amestec de tipuri de date - inclusiv informații de mediu, biogeografice și epidemiologice - această metodă permite o evaluare cuprinzătoare a dinamicii bolii. O astfel de perspectivă cu mai multe fațete este esențială pentru dezvoltarea măsurilor proactive și pentru a permite un răspuns rapid la focare.
Abordarea include următoarele componente:
- Date despre boli și focare – HSR.sănătate utilizează datele extinse despre boli și focare furnizate de Gideon și Organizația Mondială a Sănătății (OMS), două surse de încredere de informații epidemiologice globale. Aceste date servesc ca un pilon fundamental în cadrul de analiză. Pentru Gideon, datele pot fi accesate printr-un API, iar pentru OMS, HSR.sănătate a construit un model lingvistic mare (LLM) pentru a extrage datele despre focare din rapoartele anterioare ale focarelor de boală.
- Date de observare a Pământului – Factorii de mediu, analiza utilizării terenurilor și detectarea modificărilor habitatului sunt componente integrante ale evaluării riscului zoonotic. Aceste perspective pot fi derivate din datele de observare a Pământului pe bază de satelit. HSR.sănătate este capabil să simplifice utilizarea datelor de observare a Pământului utilizând capabilitățile geospațiale SageMaker pentru a accesa și manipula seturi de date geospațiale la scară largă. SageMaker geospatial oferă un catalog bogat de date, inclusiv seturi de date de la USGS Landsat-8, Sentinel-1, Sentinel-2 și altele. De asemenea, este posibil să introduceți și alte seturi de date, cum ar fi imagini de înaltă rezoluție de la Planet Labs.
- Determinanții sociali ai riscului – Dincolo de factorii biologici și de mediu, echipa de la HSR.sănătate luați în considerare, de asemenea, determinanți sociali, care cuprind diverși indicatori socioeconomici și demografici și joacă un rol esențial în modelarea dinamicii răspândirii zoonotice.
Din aceste componente, HSR.sănătate a evaluat o serie de factori diferiți și următoarele caracteristici au fost identificate ca fiind influente pentru identificarea riscurilor de propagare zoonotică:
- Habitate animale și zone locuibile – Înțelegerea habitatelor potențialelor gazde zoonotice și a zonelor lor locuibile este fundamentală pentru evaluarea riscului de transmitere.
- Centrele de populație – Proximitatea față de zonele dens populate este un aspect cheie, deoarece influențează probabilitatea interacțiunilor om-animal.
- Pierderea habitatului – Degradarea habitatelor naturale, în special prin defrișare, poate accelera evenimentele de propagare zoonotice.
- Interfață om-pământ sălbatic – Zonele în care așezările umane se intersectează cu habitatele faunei sălbatice sunt potențiale puncte fierbinți pentru transmiterea zoonotică.
- Caracteristici sociale – Factorii socioeconomici și culturali pot avea un impact semnificativ asupra riscului zoonotic și HSR.sănătate le examinează și pe acestea.
- Caracteristicile sănătății umane – Starea de sănătate a populațiilor umane locale este o variabilă esențială deoarece afectează susceptibilitatea și dinamica transmiterii.
Prezentare generală a soluțiilor
HSR.sănătateFluxul de lucru al lui include preprocesarea datelor, extragerea de caracteristici și crearea de vizualizări informative folosind tehnici ML. Acest lucru permite o înțelegere clară a evoluției datelor de la forma lor brută până la perspective acționabile.
Următoarea este o reprezentare vizuală a fluxului de lucru, începând cu datele de intrare de la Gideon, datele de observare a pământului și determinanții sociali ai datelor de risc.
Preluați și procesați imagini din satelit folosind capabilitățile geospațiale SageMaker
Datele satelitare formează o piatră de temelie a analizei efectuate pentru a construi indicele de risc, oferind informații critice cu privire la schimbările de mediu. Pentru a genera informații din imaginile din satelit, HSR.sănătate utilizări Locuri de muncă pentru observarea Pământului (EOJ-uri). EOJ-urile permit achiziția și transformarea datelor raster adunate de pe suprafața Pământului. Un EOJ obține imagini din satelit dintr-o sursă de date desemnată, de exemplu, o constelație de satelit, pe o anumită zonă și perioadă de timp. Apoi aplică unul sau mai multe modele imaginilor preluate.
În plus, Amazon SageMaker Studio oferă un notebook geospațial preinstalat cu biblioteci geospațiale utilizate în mod obișnuit. Acest notebook permite vizualizarea și procesarea directă a datelor geospațiale într-un mediu de notebook Python. EOJ-urile pot fi create în mediul de notebook geospațial.
Pentru a configura un EOJ, sunt utilizați următorii parametri:
- InputConfig – Configurația de intrare specifică sursele de date și criteriile de filtrare care trebuie utilizate în timpul achiziției de date:
- RasterDataCollectionArn – Specifică satelitul de la care se colectează date.
- Aria de interes – Aria geografică de interes (AOI) definește limitele poligonului pentru colectarea imaginilor.
- TimeRangeFilter – intervalul de timp de interes:
{StartTime: <string>, EndTime: <string>}
. - PropertyFilters – Filtre de proprietăți suplimentare, cum ar fi procentul acceptabil de acoperire cu nori sau unghiurile azimutale ale soarelui dorite.
- JobConfig – Această configurație definește tipul de lucrare care urmează să fie aplicată datelor de imagine din satelit preluate. Acceptă operațiuni precum matematica benzii, reeșantionarea, geomozaicul sau eliminarea norilor.
Următorul exemplu de cod demonstrează rularea unui EOJ pentru eliminarea cloud, reprezentativ pentru pașii efectuati de HSR.sănătate:
HSR.sănătate a folosit mai multe operațiuni pentru a preprocesa datele și a extrage caracteristicile relevante. Aceasta include operațiuni precum clasificarea acoperirii terenului, cartografierea variației temperaturii și indici de vegetație.
Un indice de vegetație relevant pentru indicarea sănătății vegetației este Indicele de vegetație a diferențelor normalizate (NDVI). NDVI cuantifică sănătatea vegetației utilizând lumina infraroșie apropiată, pe care vegetația o reflectă și lumina roșie, pe care o absoarbe vegetația. Monitorizarea NDVI de-a lungul timpului poate dezvălui modificări ale vegetației, cum ar fi impactul activităților umane precum defrișările.
Următorul fragment de cod demonstrează cum se calculează un indice de vegetație precum NDVI pe baza datelor care au fost transmise prin eliminarea norului:
Putem vizualiza rezultatul jobului folosind capabilitățile geospațiale SageMaker. Capacitățile geospațiale SageMaker vă pot ajuta să suprapuneți predicțiile modelului pe o hartă de bază și să ofere vizualizare stratificată pentru a facilita colaborarea. Cu vizualizatorul interactiv alimentat de GPU și notebook-urile Python, este posibil să explorați milioane de puncte de date într-o singură vizualizare, facilitând explorarea în colaborare a perspectivelor și a rezultatelor.
Pașii evidențiați în această postare demonstrează doar una dintre multele caracteristici bazate pe raster pe care HSR.sănătate a extras pentru a crea indicele de risc.
Combinarea caracteristicilor bazate pe raster cu date de sănătate și sociale
După extragerea caracteristicilor relevante în format raster, HSR.sănătate au utilizat statistici zonale pentru a agrega datele raster în cadrul poligoanelor de frontieră administrativă cărora le sunt alocate datele sociale și de sănătate. Analiza încorporează o combinație de date geospațiale raster și vectoriale. Acest tip de agregare permite gestionarea datelor raster într-un geodataframe, ceea ce facilitează integrarea acestora cu datele de sănătate și sociale pentru a produce indicele de risc final.
Următorul fragment de cod demonstrează cum să agregați date raster la granițele vectorului administrativ:
Pentru a evalua în mod eficient caracteristicile extrase, modelele ML sunt utilizate pentru a prezice factorii care reprezintă fiecare caracteristică. Unul dintre modelele utilizate este o mașină vectorială de suport (SVM). Modelul SVM ajută la dezvăluirea modelelor și asocierilor în cadrul datelor care informează evaluările riscurilor.
Indicele reprezintă o evaluare cantitativă a nivelurilor de risc, calculată ca o medie ponderată a acestor factori, pentru a ajuta la înțelegerea potențialelor evenimente de propagare în diferite regiuni.
Următoarea figură din stânga arată agregarea clasificării imaginii de la scena zonei de testare din nordul Peru agregată la nivelul administrativ districtual cu modificarea calculată a suprafeței de pădure între 2018–2023. Defrișarea este unul dintre factorii cheie care determină riscul de propagare zoonotică. Figura din dreapta evidențiază nivelurile de severitate a riscului de propagare zoonotică în regiunile acoperite, variind de la cel mai mare (roșu) la cel mai scăzut (verde închis). Zona a fost aleasă ca una dintre zonele de antrenament pentru clasificarea imaginii datorită diversității acoperirii terenurilor surprinse în scenă, inclusiv: urban, pădure, nisip, apă, pajiști și agricultură, printre altele. În plus, aceasta este una dintre multele domenii de interes pentru potențialele evenimente zoonotice de propagare din cauza defrișării și interacțiunii dintre oameni și animale.
Prin adoptarea acestei abordări multimodale, care cuprind date istorice despre focarul bolii, datele de observare a Pământului, determinanții sociali și tehnicile ML, putem înțelege și prezice mai bine riscul de propagare a zoonoticei, direcționând în cele din urmă strategiile de supraveghere și prevenire a bolii către zonele cu cel mai mare risc de focar. Următoarea captură de ecran arată un tablou de bord al rezultatelor unei analize a riscului de propagare zoonotică. Această analiză de risc evidențiază unde pot apărea resursele și supravegherea noilor focare potențiale de zoonoză, astfel încât următoarea boală să poată fi controlată înainte de a deveni o pandemie endemică sau o nouă pandemie.
O abordare nouă a prevenirii pandemiei
În 1998, de-a lungul râului Nipah din Malaezia, între toamna lui 1998 și primăvara lui 1999, 265 de persoane au fost infectate cu un virus necunoscut atunci care a provocat encefalită acută și detresă respiratorie severă. 105 dintre ei au murit, o rată a mortalității de 39.6%. În schimb, rata mortalității netratate a COVID-19 este de 6.3%. De atunci, virusul Nipah, așa cum este numit acum, a ieșit din habitatul său forestier și a provocat peste 20 de focare mortale, mai ales în India și Bangladesh.
Viruși precum Nipah apar în fiecare an, punând provocări pentru viața noastră de zi cu zi, în special în țările în care stabilirea unor sisteme puternice, durabile și robuste pentru supravegherea și detectarea bolilor este mai dificilă. Aceste sisteme de detectare sunt cruciale pentru reducerea riscurilor asociate cu astfel de viruși.
Soluțiile care utilizează ML și date geospațiale, cum ar fi Indexul riscului de răspândire zoonotică, pot ajuta autoritățile locale de sănătate publică să prioritizeze alocarea resurselor către zonele cu cel mai mare risc. Procedând astfel, ei pot stabili măsuri de supraveghere direcționate și localizate pentru a detecta și opri focarele regionale înainte ca acestea să se extindă dincolo de granițe. Această abordare poate limita semnificativ impactul unui focar de boală și poate salva vieți.
Concluzie
Această postare a demonstrat cum HSR.sănătate a dezvoltat cu succes Indicele riscului de răspândire zoonotică prin integrarea datelor geospațiale, a sănătății, a determinanților sociali și a ML. Folosind SageMaker, echipa a creat un flux de lucru scalabil care poate identifica cele mai substanțiale amenințări ale unei potențiale viitoare pandemii. Gestionarea eficientă a acestor riscuri poate duce la o reducere a poverii globale a bolii. Avantajele economice și sociale substanțiale ale reducerii riscului de pandemie nu pot fi supraevaluate, beneficiile extinzându-se la nivel regional și global.
HSR.sănătate a folosit capabilitățile geospațiale SageMaker pentru o implementare inițială a Zoonotic Spillover Risk Index și caută acum parteneriate, precum și sprijin din partea țărilor gazdă și a surselor de finanțare, pentru a dezvolta în continuare indicele și pentru a-și extinde aplicarea în regiuni suplimentare din întreaga lume. Pentru mai multe informații despre HSR.sănătate și Zoonotic Spillover Risk Index, vizitați www.hsr.health.
Descoperiți potențialul integrării datelor de observare a Pământului în inițiativele dvs. de asistență medicală prin explorarea caracteristicilor geospațiale SageMaker. Pentru mai multe informații, consultați Capacitățile geospațiale Amazon SageMaker, sau interacționează cu exemple suplimentare pentru a obține experiență practică.
Despre Autori
Ajay K Gupta este co-fondator și CEO al HSR.health, o firmă care perturbă și inovează analiza riscurilor pentru sănătate prin tehnologii geospațiale și tehnici AI pentru a prezice răspândirea și severitatea bolii. Și oferă aceste informații industriei, guvernelor și sectorului sănătății, astfel încât acestea să poată anticipa, atenua și profita de riscurile viitoare. În afara serviciului, îl puteți găsi pe Ajay în spatele microfonului care sparge timpanele în timp ce își scoate melodiile preferate de muzică pop de la U2, Sting, George Michael sau Imagine Dragons.
Jean Felipe Teotonio este un medic motivat și expert pasionat în calitatea asistenței medicale și epidemiologia bolilor infecțioase, Jean Felipe conduce echipa de sănătate publică HSR.health. El lucrează pentru obiectivul comun de îmbunătățire a sănătății publice prin reducerea poverii globale a bolii prin valorificarea abordărilor GeoAI pentru a dezvolta soluții pentru cele mai mari provocări de sănătate ale timpului nostru. În afara serviciului, hobby-urile sale includ citirea cărților SF, drumețiile, campionatul englezesc și cântatul la chitară bas.
Paul A Curtea bisericii, CTO și inginer șef geospațial pentru HSR.health, își folosește abilitățile tehnice și expertiza largi pentru a construi infrastructura de bază pentru firmă, precum și platforma sa patentată și proprietară GeoMD. În plus, el și echipa de știință a datelor încorporează analitice geospațiale și tehnici AI/ML în toți indicii de risc pentru sănătate pe care HSR.health îi produce. În afara serviciului, Paul este un DJ autodidact și iubește zăpada.
Janosch Woschitz este arhitect senior de soluții la AWS, specializat în AI/ML geospațial. Cu peste 15 ani de experiență, el sprijină clienții la nivel global în utilizarea AI și ML pentru soluții inovatoare care valorifică datele geospațiale. Experiența sa acoperă învățarea automată, ingineria datelor și sistemele distribuite scalabile, sporită de o experiență solidă în inginerie software și expertiză în industrie în domenii complexe, cum ar fi conducerea autonomă.
Emmett Nelson este director de cont la AWS, care sprijină clienții Nonprofit Research din domeniile Sănătate și Științe ale vieții, Științe ale Pământului / Mediului și Educație. Obiectivul său principal este să permită cazuri de utilizare în analiză, AI/ML, calcul de înaltă performanță (HPC), genomică și imagistica medicală. Emmett sa alăturat AWS în 2020 și are sediul în Austin, TX.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/how-hsr-health-is-limiting-risks-of-disease-spillover-from-animals-to-humans-using-amazon-sagemaker-geospatial-capabilities/
- :are
- :este
- :nu
- :Unde
- 1
- 100
- 12
- 125
- ani 15
- 15%
- 16
- 1998
- 1999
- 20
- 2019
- 2020
- 36
- 39
- 3d
- 7
- a
- capacitate
- Capabil
- Despre Noi
- absoarbe
- accelera
- accelerat
- acceptabil
- acces
- accesate
- Conform
- Cont
- precis
- achiziție
- peste
- acționabil
- activităţi de
- Suplimentar
- În plus,
- administrativ
- adoptată
- Adoptarea
- Avantaj
- Avantajele
- afecta
- împotriva
- agregat
- agregare
- agricultură
- AI
- AI / ML
- Ajutorul
- isi propune
- algoritmi
- TOATE
- alocare
- Permiterea
- permite
- de-a lungul
- de asemenea
- Amazon
- Amazon SageMaker
- Amazon SageMaker geospatial
- Amazon Web Services
- printre
- an
- analiză
- Google Analytics
- analiza
- și
- animal
- animale
- anomalii
- detectarea anomaliilor
- anticipa
- api
- aplicație
- aplicat
- se aplică
- abordare
- abordari
- SUNT
- ZONĂ
- domenii
- în jurul
- AS
- evaluarea
- evaluare
- evaluări
- alocate
- ajuta
- asistă
- asociate
- asociaţii
- At
- augmented
- Austin
- Autoritățile
- autonom
- in medie
- AWS
- fundal
- GRUP
- Bangladesh
- de bază
- bazat
- bas
- lilieci
- BE
- deoarece
- devine
- fost
- înainte
- în spatele
- fiind
- ființe
- Beneficiile
- Mai bine
- între
- Dincolo de
- Amesteca
- Albastru
- Manuale
- frontierelor
- atât
- limitele
- graniţă
- limite
- Cutie
- aduce
- larg
- construi
- Clădire
- construit
- construit-in
- povară
- dar
- by
- calcula
- calculată
- calcularea
- CAN
- nu poti
- capacități
- capacitate
- valorifica
- capturat
- cazuri
- catalog
- categorii
- Categorii
- cauzată
- CDC
- Centre
- Centrele pentru Controlul si Prevenirea Bolilor
- central
- CEO
- provocări
- Schimbare
- Modificări
- Caracteristici
- şef
- China
- ales
- clasă
- clasificare
- clar
- Cloud
- Co-fondator
- cod
- colaborare
- colaborativ
- colecta
- colectare
- Coloane
- combinaţie
- Comunicare
- complex
- componente
- cuprinzător
- tehnica de calcul
- Configuraţie
- considerare
- luate în considerare
- consistent
- conținute
- conține
- continent
- continuu
- continuu
- contrast
- Control
- Nucleu
- piatră de temelie
- coronavirus
- țări
- acoperi
- acoperire
- acoperit
- Covid-19
- crea
- a creat
- Crearea
- creaţie
- Criteriile de
- critic
- Trece
- crucial
- CTO
- cultural
- clienţii care
- zilnic
- Întuneric
- tablou de bord
- de date
- Analiza datelor
- puncte de date
- știința datelor
- seturi de date
- defineste
- despădurire
- demografic
- demonstra
- demonstrat
- demonstrează
- Dependent/ă
- implementa
- Derivat
- desemnat
- dorit
- detecta
- Detectare
- Determina
- dezvolta
- dezvoltat
- în curs de dezvoltare
- decedat
- diferenţă
- diferit
- dificil
- groaznic
- direcționa
- călăuzitor
- dezastru
- dezastre
- Boală
- boli
- perturbări
- perturba
- distinct
- suferință
- distribuite
- sisteme distribuite
- cartier
- Diversitate
- diviziune
- DJ
- face
- domenii
- condus
- conducere
- numit
- două
- duplicate
- în timpul
- dinamică
- fiecare
- Devreme
- Pământ
- mai ușor
- uşor
- Economic
- Educaţie
- Eficace
- în mod eficient
- eficient
- eficient
- altfel
- permite
- permite
- permițând
- înconjura
- , acoperă
- care să cuprindă
- angaja
- inginer
- Inginerie
- inginerii
- Engleză
- Engleză Premier League
- Îmbunătăţeşte
- îmbogăți
- Întreg
- Mediu inconjurator
- de mediu
- esenţial
- stabili
- stabilirea
- evalua
- evaluat
- eveniment
- evenimente
- în cele din urmă
- Fiecare
- evoluţie
- Analizează
- exemplu
- executiv
- experienţă
- expert
- expertiză
- explicit
- explorare
- explora
- Explorarea
- extinde
- extindere
- extensiv
- extrage
- extracţie
- facilitează
- facilitând
- factor
- factori
- Cădea
- Favorite
- Caracteristică
- DESCRIERE
- Domenii
- Figura
- Fișier
- filtrare
- Filtre
- final
- Găsi
- Firmă
- Concentra
- concentrat
- următor
- Pentru
- pădure
- formă
- format
- formulare
- găsit
- Cadru
- din
- fundamental
- de finanțare
- mai mult
- viitor
- s-au adunat
- genera
- genomica
- geografic
- geografice
- George
- obține
- Caritate
- Sănătate globală
- La nivel global
- scop
- guvernele
- GP
- grafică
- cea mai mare
- Verde
- Oaspete
- Vizitator Mesaj
- Gupta
- hands-on
- valorifica
- Avea
- he
- Sănătate
- Sistemul de sănătate
- de asistență medicală
- ajutor
- Înalt
- Rezoluție înaltă
- cea mai mare
- highlights-uri
- extrem de
- lui
- istoric
- istoricește
- gazdă
- Gazdele
- Cum
- Cum Pentru a
- hpc
- HTML
- HTTPS
- uman
- factori umani
- Oamenii
- ID
- Identificare
- identificat
- identifica
- identificarea
- if
- imagine
- Clasificarea imaginilor
- imagini
- imagina
- Imaging
- Impactul
- implementarea
- import
- îmbunătățirea
- in
- În altele
- include
- include
- Inclusiv
- incorpora
- încorporează
- index
- indexurile
- India
- Indicator
- Indicatorii
- Indici
- industrie
- infecțios
- influență
- Influent
- Informa
- informații
- informativ
- Infrastructură
- ingeniozitate
- inițială
- inițiative
- inovatoare
- tehnologie inovatoare
- intrare
- perspective
- instanță
- integrală
- integrarea
- integrare
- interacţiona
- interacţiune
- interacţiuni
- interactiv
- interes
- interfaţă
- Internațional
- pe plan internațional
- se intersectează
- în
- investigaţie
- IT
- ESTE
- Loc de munca
- alăturat
- jpg
- doar
- doar unul
- Cheie
- Copil
- cunoscut
- Labs
- Țară
- limbă
- mare
- pe scară largă
- durată
- strat
- stratificat
- conduce
- Conduce
- Ligă
- AFLAȚI
- învăţare
- stânga
- Nivel
- nivelurile de
- efectului de pârghie
- biblioteci
- Viaţă
- Life Sciences
- ușoară
- ca
- probabilitate
- Probabil
- LIMITĂ
- limitativ
- Locuiește
- LLM
- local
- iubeste
- cel mai mic
- maşină
- masina de învățare
- Principal
- face
- Malaezia
- administrare
- multe
- Hartă
- cartografiere
- Piață
- matematica
- Mai..
- măsuri
- medical
- care fuzionează
- metodă
- metric
- Michael
- ar putea
- milioane
- diminua
- ML
- model
- modelare
- Modele
- Monitorizarea
- mai mult
- mai eficient
- cele mai multe
- Mai ales
- multifacetică
- multiplu
- Muzică
- nume
- Natural
- Nevoie
- Nou
- următor
- non-profit
- caiet
- roman
- acum
- NumPy
- obiecte
- observaţie
- obține
- avea loc
- of
- promoții
- de multe ori
- on
- ONE
- afară
- Operațiuni
- or
- organizație
- organizații
- Altele
- Altele
- al nostru
- afară
- izbucnire
- a subliniat
- producție
- exterior
- peste
- exagerat
- Prezentare generală
- panda
- pandemie
- parametrii
- în special
- parteneriate
- Trecut
- pasionat
- trecut
- patentat
- pacient
- modele
- Paul
- oameni
- procent
- performanță
- efectuată
- perioadă
- perspectivă
- curcan
- fenomen
- fizic
- medic
- Stâlp
- pivot
- Pixel
- planetă
- platformă
- Plato
- Informații despre date Platon
- PlatoData
- Joaca
- joc
- puncte
- Poligon
- pop
- populat
- populații
- poziţie
- posibil
- Post
- potenţial
- prezice
- Predictii
- premier
- Pregăti
- prezenta
- Prevenirea
- primar
- Stabilirea priorităților
- Proactivă
- probabil
- proces
- prelucrare
- produce
- produce
- programat
- proprietăţi
- proprietate
- proprietate
- furniza
- prevăzut
- furnizează
- furnizarea
- public
- sănătate publică
- Piton
- calitate
- cuantifică
- cantitativ
- mai repede
- gamă
- variind
- rapid
- rată
- Crud
- Citind
- Roșu
- reducerea
- reducere
- trimite
- reflectă
- regional
- la nivel regional
- regiuni
- relatează
- Relaţii
- la distanta
- îndepărtare
- eliminarea
- Raportarea
- Rapoarte
- reprezentare
- reprezentant
- reprezentând
- reprezintă
- cercetare
- resursă
- Resurse
- răspuns
- REZULTATE
- dezvălui
- revelator
- Bogat
- dreapta
- Risc
- Riscurile
- Râu
- robust
- Rol
- funcţionare
- sagemaker
- SAND
- satelit
- Economisiți
- scalabil
- scenă
- SCI
- Ştiinţă
- ȘTIINȚE
- oamenii de stiinta
- sector
- securitate
- caută
- selectarea
- senior
- servește
- Servicii
- Asezarile
- câteva
- sever
- Modela
- fasonarea
- comun
- să
- Emisiuni
- semnificativ
- semnificativ
- întrucât
- singur
- aptitudini
- fragment
- zăpadă
- So
- subliniind
- Social
- socio-economic
- Software
- Inginerie software
- soluţie
- soluţii
- Surse
- se întinde
- spațial
- specializata
- specific
- viteză
- răspândire
- primăvară
- început
- Pornire
- statistică
- Statistici
- Stare
- paşi
- strategii
- curent
- simplifica
- Şir
- puternic
- studiu
- ulterior
- substanțial
- Reușit
- astfel de
- sugera
- soare
- a sustine
- De sprijin
- Sprijină
- Suprafață
- supraveghere
- susceptibil
- sistem
- sisteme
- Lua
- vizate
- echipă
- tech
- Tehnic
- abilitati tehnice
- tehnici de
- Tehnologia
- test
- decât
- acea
- Zona
- lumea
- lor
- Lor
- apoi
- prin urmare
- Acestea
- ei
- acest
- amenințări
- Prin
- timp
- la
- instrument
- Unelte
- față de
- tradiţional
- trafic
- Tren
- Pregătire
- transfer
- Transforma
- Transformare
- tranziţie
- Tranziționat
- transmisie
- de încredere
- Tonuri
- Două
- TX
- tip
- Tipuri
- în cele din urmă
- înţelege
- înţelegere
- a suferit
- necunoscut
- urban
- utilizare
- utilizat
- utilizări
- folosind
- valoare
- Valori
- variabil
- diverse
- vegetație
- versiune
- verticalele
- Vizualizare
- virus
- viruși
- viziune
- Vizita
- vizual
- vizualizare
- imagina
- de avertizare
- a fost
- Apă
- we
- web
- servicii web
- greutate
- BINE
- a mers
- au fost
- umed
- care
- în timp ce
- OMS
- a caror
- pe scară largă
- cu
- în
- fără
- Apartamente
- flux de lucru
- fabrică
- lume
- Organizația Mondială a Sănătății
- X
- an
- ani
- Tu
- Ta
- zephyrnet
- zone