AI 的进步有助于为下一次全球大流行做准备

快速阅读: 据《数字日记》最新报道，研究表明，人工智能通过改进疾病传播模型和区域识别，助力大流行病防范。尽管面临数据质量、模型可及性和全球协作等挑战，《自然》刊文称AI能预测疫情爆发及影响。

新冠疫情已经导致数百万人丧生，但距离世界卫生组织宣布国际突发卫生事件整整四年，各国仍未就预防新大流行病的条约达成共识——©以色列国防军/法新社。研究人员展示了人工智能（AI）如何改变传染病研究的格局并提高大流行病防范水平。这些与传染病研究中的突破以及疫情应对密切相关。生物学进展伴随着技术变革，尤其是机器学习、计算统计学、信息检索和数据科学。该研究概述了近期AI方法论的进步，即使在噪声和有限数据条件下也能表现得越来越好——这是迄今为止的主要瓶颈。这种性能提升在嘈杂和有限数据条件下的改进为AI工具在高收入和低收入国家的流行病防范工作中改善健康状况开辟了新方向。

研究发现的AI与流行病防范机会包括改进当前疾病传播模型，旨在使建模更加稳健、准确和现实。此外，在识别高传播潜力区域方面也有所进展，这有助于确保有限的医疗资源能够以最有效的方式分配。然而，疾病的成因以及既往和现有暴露的程度和类型会影响疫情病例数量的分类。展望未来，AI有望优化疾病监测中的基因数据，最终加速疫苗开发和新变种的识别。此外，还有可能评估新病原体特性，预测其特征，并判断跨物种传播的可能性。另一项即将到来的创新是可能借助AI整合人口层面数据与个体层面数据来源，包括心率、步数等可穿戴设备数据，以更好地检测和监控疫情爆发。

其中一位主要科学家是牛津大学的莫里茨·克劳默教授。谈及这一新方法时，克劳默表示：“利用海量常规采集的气候和社会经济数据，AI将帮助我们更好地预测疫情爆发的起始地点及其轨迹。它还可以通过研究免疫系统与新发病原体的相互作用来预测疫情对个人患者的影响。”

使用AI预测疾病传播能力的主要局限在于训练数据的质量和代表性、AI模型对更广泛社区的有限可及性，以及与决策相关的黑盒模型潜在风险。此外，此类技术需要广泛的全球协作以及全面、持续的监测数据输入。目前，全球主要国家间的互动状况不容乐观。

这项研究发表在《自然》杂志上，标题为《用于模拟传染病疫情的人工智能》。

(以上内容均由Ai生成)