XRUST.ru » Новости » США рекомендуют тестирование работников ферм на птичий грипп
Новости

США рекомендуют тестирование работников ферм на птичий грипп

8 ноября 2024, 06:27 8 211 0 16

США начинают повальное тестирование работники ферм, контактировавших с животными, болеющими птичьим гриппом. Отсутствие симптомов не повод.

США изменили рекомендации относительно тестирования на птичий грипп для работников ферм, пишет xrust. Подразумевается персонал, контактировавший с больными животными. Минсельхоз между тем ввел тестирование молока.

Минсельхоз сообщил, что с марта птичьим гриппом болело поголовье 450 молочных ферм. Заболевание зафиксировано в 15 штатах. Генетики заявили, что мутаций вируса не обнаружено. Значит фертильность осталась прежней. Заражение людей через контакты также не зафиксированы.

С апреля медики выявили 46 случаев заболевания людей птичьим гриппом. В достоверности цифры сомневаются некоторые фермеры. Ведь часть персонала избегает тестирования. Люди боятся потерять работу. Большинство считает, что, если симптому слабые – значит опасности нет.

Эпидемиологи полагают, что расширение циркуляции вируса приведет к пандемии.

Другие новости. Шольц доработался до внеочередных выборов – здесь. Про потепление – там.



Xrust: США рекомендуют тестирование работников ферм на птичий грипп

США, птичий, грипп, xrust

Поделится
16 0

Комментарии


Новый метод MIT делает ИИ более объяснимым
Учёные из Массачусетского технологического института представили новый метод, который помогает моделям искусственного интеллекта объяснять свои прогнозы более понятно и точно. Разработка была создана в лаборатории CSAIL MIT и будет представлена на Международной конференции по обучению представлениям. Технология может повысить доверие к ИИ в медицине, анализе изображений и других критически важных областях. Почему объяснимость ИИ становится критически важной Современные системы искусственного интеллекта часто называют «чёрным ящиком», констатирует xrust. Они способны давать точные прогнозы, но пользователи не всегда понимают, почему модель пришла именно к такому результату. Это особенно важно в таких областях, как: медицинская диагностика; анализ медицинских изображений; научные исследования; системы безопасности. Например, если алгоритм обнаруживает меланому на снимке кожи, врач должен понимать, какие признаки на изображении привели к такому выводу. Без этого доверие к алгоритму
1 722 1