Der Klimawandel kann sich direkt und indirekt auf verschiedene Aspekte des menschlichen Lebens auswirken. Einer der wichtigsten vom Klimawandel betroffenen Bereiche ist die menschliche Gesundheit. Das Auftreten von Überschwemmungen, Dürren, extremen Temperaturen, Hitzewellen, Schädlingen und Krankheitsausbrüchen gefährdet das Leben der Menschen.
Im Falle von Krankheiten, insbesondere von vektorübertragenen Krankheiten (=Arboviren), kann der Klimawandel zu einer erhöhten Prävalenz und Schwere von Krankheiten führen, z. B. durch veränderte Temperatur-, Feuchtigkeits- und Niederschlagsmuster. Es besteht ein dringender Bedarf, die Auswirkungen des Klimawandels auf Krankheitsausbrüche vorherzusagen und zu untersuchen.
Gemeinsam mit dem RKI untersuchen wir die Auswirkungen des Klimawandels und zahlreicher anderer sozioökonomischer Faktoren auf die Verteilung, Häufigkeit und das Ausmaß von Ausbrüchen arboviraler Krankheiten wie Dengue, Malaria und Lyme. Aus diesem Grund wenden wir Methoden des maschinellen Lernens (ML) an, die es uns ermöglichen, komplexe Korrelationen zwischen Variablen und die komplexe zeitliche Dynamik der Vektoren und der Krankheiten zu erfassen. Verschiedene ML-Methoden wie Random Forests, LSTM und neuronale Graphen-Netzwerke werden kombiniert und zur Vorhersage des Auftretens von vektorbedingten Krankheiten eingesetzt. Die Empfindlichkeit der Krankheitsausbrüche in Bezug auf verschiedene klimatische und sozioökonomische Inputfaktoren und deren Dynamik wird quantifiziert. Nach der Identifizierung der wichtigsten Inputfaktoren und dem Training des Modells mit aktuellen Krankheitsdaten werden die Ausbrüche von Arbovirenkrankheiten unter zukünftigen Klimabedingungen vorhergesagt. Werden die Krankheiten in neuen Gebieten endemisch werden?