Wildtierexperten haben ein regionales Computermodell und eine benutzerfreundliche App entwickelt, die Landkreise in 16 US-Bundesstaaten vorhersagen können, in denen Wildtiermanager ihre Überwachung der chronischen Auszehrungskrankheit bei Hirschen gezielter durchführen sollten. Dies hilft ihnen dabei, knappe Geld- und Arbeitsressourcen zu sparen.
Das Modell – beschrieben in ein Papier veröffentlicht am 22. Juni in Wissenschaftliche Berichte– hebt Gebiete mit ähnlichen Bedingungen wie Landkreise hervor, in denen die chronische Auszehrungskrankheit bekanntermaßen vorkommt, sodass die Behörden ihre Bemühungen gezielter konzentrieren können.
Das Modell wurde durch die Zusammenführung von Daten über die chronische Auszehrungskrankheit und andere Daten von Wildtierbehörden in 16 östlichen und mittleren Bundesstaaten möglich. Die Zusammenarbeit durchbricht den Teufelskreis, in dem die Behörden in ihren Bundesstaaten isoliert bleiben, was trotz ihrer Bedeutung regionale Einschätzungen erschwert, weil Hirsche menschliche Grenzen nicht respektieren.
„Alleine kommen wir nicht viel voran, deshalb müssen wir es gemeinsam angehen“, sagt Krysten Schuler, Assistenzprofessorin in der Abteilung für öffentliche und Ökosystemgesundheit und Leiterin des Cornell Wildlife Health Lab an der Veterinärmedizinischen Fakultät. „Wir können diese Big-Data-Techniken nutzen, indem wir unsere Datenressourcen bündeln, was uns helfen wird, schneller voranzukommen, denn die chronische Auszehrungskrankheit wurde in 34 Staaten festgestellt.“
Gleichzeitig zeige ein genauerer Blick auf die Daten, dass die Krankheit zwar geographisch weit verbreitet zu sein scheine, in den betreffenden Bundesstaaten aber nur in relativ wenigen Landkreisen aufgetreten sei, sagte Schuler. „Der Maßstab, auf dem man dies betrachtet, ist entscheidend.“
Bisher befällt die chronische Auszehrungskrankheit nur Tiere aus der Familie der Hirsche – Weißwedelhirsche, Maultierhirsche, Wapitis und Elche – doch Wissenschaftler befürchten, dass die Krankheit auch auf andere Tiere überspringen könnte, darunter auch Menschen. Infizierte Hirsche verbreiten Prionen, fehlgefaltete Proteine, die in der Umwelt verbleiben, über Urin, Speichel und Kadaver übertragen werden und bei Verzehr andere Hirsche infizieren können.
Die Krankheit führt zu neurologischen Störungen, Gewichtsverlust, Verhaltensauffälligkeiten, Furchtlosigkeit und zum Tod. Nach ihrem Auftreten im Jahr 2005 ist sie im Bundesstaat New York ausgerottet, aber die Wiedereinschleppung aus anderen betroffenen Bundesstaaten bleibt eine ständige Bedrohung, was die Notwendigkeit einer Überwachung weiter unterstreicht. Bei frühzeitiger Erkennung können Wildtierexperten Hirsche töten, bevor sich die Krankheit ausbreitet.
Neben den Daten zu Fällen von chronischer Auszehrung haben die Entwickler auch andere Informationen wie staatliche Vorschriften, menschliche Aktivitäten und Risikofaktoren einbezogen, da Menschen bekanntermaßen Prionen in lebenden Tieren und Kadavern übertragen, sowie Landschaftsmerkmale wie Bäche, in denen sich Rehe versammeln und Krankheiten verbreiten können, und Boden. Prionen sind ionisch geladen und binden an bestimmte Bodenarten, darunter Lehm.
Das Team verwendete bestehende Algorithmen und wandte sie erstmals zur Vorhersage der chronischen Auszehrungskrankheit an. Anhand von Daten aus dem Jahr 2020 wurden vier verschiedene Algorithmen getestet, um vorherzusagen, welche Landkreise möglicherweise von der chronischen Auszehrungskrankheit betroffen sind. Die Ergebnisse wurden dann mit den Daten aus dem Jahr 2021 verglichen. Jeder Algorithmus betonte unterschiedliche Risikofaktoren. Angesichts der regionalen Daten erwies sich das Modell „Light Boosting Gradient“ als der zuverlässigste Prädiktor.
„Wenn wir mehr Daten einbeziehen, können wir möglicherweise bessere Schlussfolgerungen darüber ziehen, welche Risikofaktoren am wichtigsten sind, denn das Sammeln von Daten ist eine der Herausforderungen in der Ökologie“, sagte Schuler.
Das Surveillance Optimization Project for Chronic Wasting Disease des Cornell Wildlife Health Lab bietet Ressourcen für Fachleute im Bereich Wildtiere, darunter maßgeschneiderte Software für Behörden zur Standardisierung und Verwaltung ihrer Daten zur chronischen Auszehrungskrankheit, ein Chronic Wasting Disease Data Warehouse mit anderen Computermodellen sowie Krankheitsdaten aus anderen Staaten.
Zu den Co-Autoren der Studie gehören Forscher der University of California, Davis, der Michigan State University, des US Fish and Wildlife Service, der University of Tennessee, der Arkansas Game and Fish Commission, der Florida Fish and Wildlife Conservation Commission, der Ministerien für natürliche Ressourcen in Georgia, Iowa, Indiana, Maryland, Michigan, Minnesota, Ohio und Wisconsin, des Kentucky Department of Fish and Wildlife Resources, des Mississippi Department of Wildlife, Fisheries and Parks, des New York State Department of Environmental Conservation und der North Carolina Wildlife Resources Commission.
Mehr Informationen:
Md Sohel Ahmed et al, Vorhersage der chronischen Auszehrungskrankheit bei Weißwedelhirschen auf Bezirksebene mittels maschinellem Lernen, Wissenschaftliche Berichte (2024). DOI: 10.1038/s41598-024-65002-7