新研究显示AI在全球传染病研究和大流行病准备中的作用

一项今天发表在《自然》杂志上的研究首次概述了人工智能（AI）如何加速传染病研究和疫情应对的突破。该研究紧跟上周举行的AI行动峰会，并在全球范围内关于AI投资和监管的讨论日益增多之际发布，特别强调了在传染病研究中部署和使用AI的安全性、问责制和伦理问题。

该研究是由牛津大学的科学家与来自非洲、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合作完成的。到目前为止，医疗领域的AI应用主要集中在个体患者护理上，例如改进临床诊断、精准医学或支持临床治疗决策。然而，这项综述关注的是AI在人群健康中的应用。

研究表明，最近的AI技术进展即使在数据有限的情况下也表现出色——这一直是主要瓶颈之一。更好的性能使得AI工具可以在高收入和低收入国家改善健康状况。牛津大学大流行科学研究所的莫里茨·克拉默教授表示：“在未来五年内，AI有可能彻底改变大流行病的准备工作。它将帮助我们更好地预测疫情爆发地点及其轨迹，利用常规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兴病原体之间的相互作用来预测疾病爆发对个体患者的影响。”

研究中提到的AI和大流行病准备的机会包括：

• 改进当前疾病传播模型，使建模更加稳健、准确和现实。

• 确定高传播潜力区域，确保有限的医疗资源能够以最有效的方式分配。

• 改善疾病监测中的遗传数据，最终加速疫苗开发和新变种的识别。

• 帮助确定新病原体的特性，预测其特征并识别跨物种传播的可能性。

• 预测已经流行的病原体（如SARS-CoV-2和流感病毒）可能出现的新变种，并确定哪些治疗方法和疫苗能最好地减少其影响。

• 将人群层面的数据与个体层面的数据（包括心率和步数等可穿戴技术数据）结合，以更好地检测和监控疫情。

• AI可以创建一个新技术与医疗专业人员之间的新接口，改善那些最需要这些工具的环境中的能力。

然而，并不是所有的大流行病准备和响应领域都会受到AI进展的同等影响。例如，蛋白质语言模型在加快理解病毒突变如何影响疾病传播和严重程度方面具有巨大潜力，而基础模型在模拟病原体传播速度方面的改进可能仅提供适度的提升。

科学家们敦促谨慎对待AI单独解决传染病挑战的说法，但认为将人类反馈整合到AI建模工作流程中可能会克服现有局限。作者尤其关注训练数据的质量和代表性、AI模型对更广泛社区的可访问性，以及使用黑箱模型进行决策的潜在风险。

斯克里普斯研究所转化研究所创始人兼主任埃里克·托波尔教授说：“尽管AI在缓解大流行病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、连续的监测数据输入。”该研究的主要作者、哥本哈根大学和伦敦帝国理工学院的萨米尔·巴特教授说：“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强大的新工具，以指导何时以及如何干预。”

作者建议建立严格的基准来评估AI模型，倡导政府、社会、工业和学术界之间的强有力合作，以实现可持续和实用的模型发展，改善人类健康。

(全文结束)