UKHSA 调查 AI 在疫情检测中的使用

快速阅读: 《食品安全新闻》消息，英国卫生安全局正探索用AI分析餐厅评论，以辅助检测食源性疾病暴发，但实时数据获取和结果解读存在挑战。UKHSA首席数据官称需进一步研究以结合传统方法更有效预防疾病传播，并扩大需报告的病原体范围以加强监测。

英国卫生安全局（UKHSA）正在探索利用人工智能（AI）技术，助力检测和调查食源性疾病暴发的可能性。UKHSA 的技术人员和科学家评估了多种大型语言模型，旨在评估其在搜索成千上万条在线餐厅评论中有关症状（如腹泻、呕吐、腹痛等）以及不同食物类型（如肉类和鱼类）信息的能力，这些信息可用来识别暴发，并可能用于指导后续调查。

食源性胃肠道疾病是英国的重大公共卫生问题，每年导致数百万人患病。然而，据估计，大多数病例并未得到正式确诊，这给传统的监测方法带来了挑战。食品标准局（FSA）数据显示，每年有240万人因食源性疾病相关的病原体患病，其中16,400例需要住院治疗，180例导致死亡，给英国社会造成了约104亿英镑的损失。

潜在的数据问题

UKHSA 的技术人员和科学家研究了多种大型语言模型，并对其在搜索成千上万条在线评论中有关症状信息的能力进行了评估。科学家认为，这类信息的收集可能会逐渐成为常规操作，从而提供更多当前系统未能捕捉到的疾病发生率信息，同时为暴发的可能来源和原因提供线索。

然而，一项研究提出了需要克服的挑战，特别是在实时数据获取方面存在限制。专家表示，使用餐厅评论数据存在局限性，强调了对结果进行谨慎解读的必要性。

虽然可以通过这种方法收集人们所吃食物的一般信息，可能与疾病相关联，但确定具体成分或其他相关因素却很困难。拼写变化和俚语的使用也被视为潜在挑战，此外还有人错误地将他们的疾病归因于特定餐食。支持现有监测

研究人员将其努力集中在Yelp开放数据集的评论上，并包括症状和食物的信息。他们随机抽取了3,000条评论，使用由UKHSA流行病学家设计的协议进行人工注释，最终留下了1,148条与胃肠道相关的评论。

并非所有消费的食物都会在类似Yelp的网站上生成评论，因此餐饮评论监测可能不成比例地捕获高收入人群中的疾病。尚不清楚收入是否是人们在线发表评论的主要动因。

病原体的潜伏期可能从数小时到数天不等，这意味着人们可能会误将他们的症状归因于特定的餐饮场所，但实际上并非如此，即并非真正来源。

“以这种方式使用AI可能很快帮助我们结合传统流行病学方法识别更多食源性疾病暴发的可能来源，从而预防更多人患病。在将这些方法纳入我们处理食源性疾病暴发的常规方法之前，还需要进一步工作，”UKHSA首席数据官史蒂文·莱利教授指出。

UKHSA还扩大了英格兰注册医疗专业人员和实验室必须向该机构报告的病原体范围。

目标是加强地方和国家监测，并支持对传染病暴发的快速响应。

自4月6日起，如果医生怀疑患者患有中东呼吸综合征（MERS）、人畜共患流感、克雅氏病以及其他几种疾病，必须向UKHSA报告。英格兰的实验室在测试人类样本时，将被要求报告另外10种病原体，包括诺如病毒、蜱传脑炎病毒、弓形虫、旋毛虫和耶尔森菌。（请点此链接免费订阅《食品安全新闻》）

(以上内容均由Ai生成)