世界自然保护联盟的濒危物种红色名录是对物种灭绝风险的最全面评估，并为全球的保护政策和实践提供信息。然而，对物种进行分类的过程是费力的，并且容易受到偏见的影响，严重依赖于人类专家的人工管理;因此，许多动物物种没有得到评估，或者缺乏足够的数据，造成了保护措施方面的空白。

为了评估4369种以前无法优先保护的爬行动物物种，并开发准确的方法来评估不知名物种的灭绝风险，这些研究人员创建了一个机器学习计算机模型。该模型将世界上40%的爬行动物划分为IUCN灭绝风险类别，这些爬行动物在研究时缺乏发表的评估或被归类为“DD”(“数据不足”)。研究人员验证了该模型的准确性，并将其与红色清单风险分类进行了比较。

研究人员发现，受威胁物种的数量远远高于IUCN红色名录所反映的数量，而且未评估(“未评估”或“NE”)和缺乏数据的爬行动物都比评估过的物种更有可能受到威胁。未来的研究需要更好地了解受威胁爬行动物类群灭绝风险的具体因素，获得更多鲜为人知的爬行动物类群的数据，并制定包括新发现的受威胁物种在内的保护计划。

根据作者的说法，“总的来说，我们的模型预测爬行动物的保护状况比目前估计的要糟糕得多，必须立即采取行动，以避免爬行动物生物多样性的消失。在新的评估和保护规划中，我们认为可能受到更大威胁的地区和分类群应该得到更多的关注。最后，我们在这里提出的方法可以很容易地实施，以帮助弥合其他不太为人所知的分类群的评估差距。”

合著者Shai Meiri补充说:“重要的是，我们的模型确定的受威胁的其他爬行动物物种并不是随机分布在全球或爬行动物进化树上的。我们补充的信息强调，有更多的爬行动物物种处于危险之中——特别是在澳大利亚、马达加斯加和亚马逊盆地——所有这些地区的爬行动物多样性都很高，应该采取额外的保护措施。此外，物种丰富的群体，如壁虎和elapids(眼镜蛇、曼巴、珊瑚蛇等)，可能比全球爬行动物评估目前所强调的更受威胁，这些群体也应该成为更多保护关注的焦点。”

合著者Uri Roll补充说:“我们的工作在帮助全球努力优先保护濒危物种方面可能非常重要，例如使用世界自然保护联盟的红色名录机制。我们的世界正面临着生物多样性危机，以及人为对生态系统和物种的严重改变，但用于保护的资金却非常有限。因此，关键是我们要把这些有限的资金用在能够提供最大效益的地方。先进的工具——比如我们在这里使用的那些工具，加上积累的数据，可以大大减少评估灭绝风险所需的时间和成本，从而为更明智的保护决策铺平道路。”