来自非洲、美国、亚洲、澳大利亚和欧洲的科学家首次概述了人工智能（AI）如何改变传染病研究的格局并改善疫情准备工作。
一项今天发表在《Nature》上的研究首次概述了人工智能的进步如何加速传染病研究和疫情应对中的突破。
这项研究是在上周的人工智能行动峰会之后发表的，同时在全球对人工智能投资和监管的讨论日益增加的情况下，特别强调在传染病研究中部署和使用人工智能的安全性、问责制和伦理问题。
研究呼吁在数据集和人工智能模型方面建立一个合作和透明的环境，这项研究是牛津大学的科学家与来自非洲、美国、亚洲、澳大利亚和欧洲的学术界、工业界和政策组织的同事之间的合作。
到目前为止，人工智能的医疗应用主要集中在个别患者护理上，例如提高临床诊断、精准医学或支持临床治疗决策。
这项评论则考虑了人工智能在群体健康中的应用。研究发现，尽管数据有限，人工智能方法的最新进展表现越来越好——这是迄今为止的一个主要瓶颈。在嘈杂和有限数据上的更好表现正在为人工智能工具改善高收入和低收入国家的健康打开新的领域。
研究的主要作者，来自牛津大学疫情科学研究所的莫里茨·克雷默教授表示：“在未来五年，人工智能有潜力改变疫情准备工作。”
“它将帮助我们更好地预测疫情将从何处开始，并预测其轨迹，利用常规收集的气候和社会经济数据的TB级数据。这可能也有助于通过研究免疫系统与新兴病原体之间的相互作用，来预测疾病疫情对个体患者的影响。”
“如果将这些进展整合到各国的疫情应对系统中，这些进展将有潜力挽救生命，并确保世界更好地为未来的疫情威胁做好准备。”
研究中确定的人工智能和疫情准备的机会包括：
– 改进当前疾病传播模型的有希望的进展，旨在使建模更强大、准确和现实。
– 在确定高传播潜力区域方面的进展，帮助确保有限的医疗资源以最有效的方式分配。
– 改进疾病监测中的遗传数据的潜力，最终加速疫苗开发和新变种的识别。
– 确定新病原体特性的潜力，预测其特征，并识别跨物种跳跃的可能性。
– 预测哪些已经在传播的病原体的新变种（如SARS-CoV-2和流感病毒）可能出现，以及哪个治疗和疫苗在减少其影响方面最佳。
– 可能的人工智能辅助将总体水平数据与个体水平来源的数据整合——包括心率和步数等可穿戴技术——以更好地检测和监测疫情。
– 人工智能可以在高度技术化的科学与缺乏培训的医疗专业人员之间创建一个新的接口，提高需要这些工具的环境的能力。
然而，并非所有疫情准备和应对领域都会受到人工智能进展的同等影响。例如，尽管蛋白质语言模型在加快对病毒突变如何影响疾病传播和严重性的理解方面具有巨大潜力，但基础模型的进展可能仅在现有传播速度建模方法上提供适度改进。
科学家们对提出仅靠人工智能解决传染病挑战表示谨慎，但他们认为将人类反馈整合到人工智能建模工作流程中可能有助于克服现有局限。
作者特别关注训练数据的质量和代表性，人工智能模型对更广泛社区的有限可及性，以及黑箱模型在决策中部署所带来的潜在风险。
研究作者、斯克里普斯研究转化研究所创始人和主任埃里克·托波尔教授表示：“虽然人工智能在疫情减缓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、持续的监测数据输入。”
研究的主要作者、来自哥本哈根大学和帝国理工学院的萨米尔·巴特表示：“传染病暴发始终是一个持续的威胁，但人工智能为政策制定者提供了一套强大的新工具，以指导何时以及如何进行干预的明智决策。”
作者建议严格的基准来评估人工智能模型，提倡政府、社会、工业和学术界之间的强有力合作，以可持续和实际的方式发展改善人类健康的模型。
