AI驱动的建模和监测助力未来疫情应对

研究人员首次在《自然》杂志上发表了关于如何利用AI革新传染病研究和疫情应对的研究。该研究由牛津大学和大流行科学研究所（Pandemic Sciences Institute, PSI）的科学家们与来自非洲、美洲、亚洲、澳大利亚和欧洲的学术界、工业界和政策组织的同事们共同完成，详细描述了AI技术如何加速传染病研究和疫情应对的进展。

该研究重点关注AI在传染病研究中的应用安全性、问责制和伦理问题。它是在AI行动峰会之后发布的，并在全球范围内关于AI投资和监管的讨论日益增多的背景下进行的。

研究指出，AI在医学中迄今为止主要用于改善个体患者的护理，例如支持临床治疗决策、提高临床诊断或实践精准医疗。然而，这篇评论关注的是AI在人群健康中的应用。尽管数据不足，但最近AI方法的进步正在逐渐克服这一瓶颈，其性能不断提升。AI工具因其在处理噪声和稀疏数据方面的改进表现，正在高收入和低收入国家中找到新的应用场景，以增强健康状况。

莫里茨·克拉默（Moritz Kraemer），这项研究的主要作者、牛津大学大流行科学研究所教授表示：“在未来五年内，AI有潜力彻底改变大流行的准备情况。它将帮助我们更好地预测疫情的爆发地点和轨迹，利用日常收集的气候和社会经济数据。它还可能通过研究免疫系统与新出现病原体之间的相互作用，预测疾病爆发对个别患者的影响。”

克拉默补充道：“如果这些进步能够整合到各国的大流行应对系统中，它们将有可能拯救生命，并确保世界更好地应对未来的疫情威胁。”

研究发现了AI在大流行准备中的几个机会：

• 提升当前疾病传播模型的现实性、精确性和稳健性；

• 发现高传播潜力区域，以便更有效地分配稀缺的医疗资源；

• 在疾病监测中结合遗传信息，加快疫苗的生产和新型变异的发现；

• 预测新型感染的特征，了解其属性并确定跨物种跳跃的可能性；

• 识别潜在的新病原体变种（如流感和SARS-CoV-2），并确定哪些疫苗和治疗方法最能减轻其影响；

• 将来自个人级别的数据（如可穿戴设备的心率和步数）与人群数据相结合，更好地识别和跟踪疫情；

• 通过建立新的界面，使缺乏培训的医护人员也能使用高度技术化的科学工具，从而提高最需要这些工具的地区的应对能力。

然而，AI的进步不会均匀地影响所有方面的大流行准备和应对。例如，基础模型的进步可能只会在当前的病原体传播率建模方法上提供微小的改进，而蛋白质语言模型则具有巨大的潜力，可以加速对病毒突变如何影响疾病严重程度和传播的理解。

科学家警告说，虽然将人类反馈整合到AI建模工作流程中可能有助于克服当前的局限性，但不能假设AI本身就能解决所有的传染病挑战。作者的主要担忧包括训练数据的质量和代表性、AI模型对公众的有限可用性以及使用黑箱模型进行决策的潜在风险。

埃里克·托波尔（Eric Topol），该研究的作者之一、牛津大学教授兼斯克里普斯研究转化研究所创始人兼主任表示：“虽然AI在缓解大流行方面具有显著的变革潜力，但它依赖于广泛的全球合作和全面的、持续的监测数据输入。”

萨米尔·巴特（Samir Bhatt），该研究的主要作者、哥本哈根大学教授表示：“传染病爆发仍然是一个持续的威胁，但AI为政策制定者提供了一套强大的新工具，以指导何时和如何干预的明智决策。”

作者提倡学术界、产业界、社会和政府之间建立强有力的伙伴关系，以开发可持续且有用的模型，改善人类健康。他们还提出了严格的评估AI模型的标准。

(全文结束)