Nature：科学家有望利用人工智能建模来应对全球传染性疾病大流行

感染性疾病对个体和公众健康的威胁是多种多样的，而且往往是令人意想不到的，人工智能（AI）和相关技术如今已经在经济学、医学和社会科学等领域用来支持人类决策制定，其未来或有望改变感染性疾病流行病学的范围和力量。

近日，一篇发表在国际杂志Nature上题为“Artificial intelligence for modelling infectious disease epidemics”的研究报告中，来自牛津大学等机构的科学家们通过研究在一项前瞻性文章中首次概述了人工智能的进步如何加速科学家们在感染性疾病研究和疫情应对的研究进展，文章中，研究人员强调了AI的部署和使用在感染性疾病研究中的安全性、问责制和伦理性问题。

这项研究中，来自多个研究机构的科学家们合作开展了这项研究，他们呼吁在数据集和人工智能模型方面建立一种协作透明的环境。截至目前为止，AI的医学应用主要集中在个体患者的护理上，比如增强临床诊断、精准化医学或支持临床疗法决策等。这篇综述文章中，研究人员考虑了AI在人群健康中的应用，研究发现，即使在数据非常有限的情况下，AI方法学的最新进展也会表现地越来越好，而这也是迄今为止最主要的研究瓶颈，在嘈杂和有限数据的情况下能取得良好的表现，从而就为AI工具能改善高收入和低收入国家人群的健康状况开辟了新的研究领域。

研究者Moritz Kraemer博士说道，在未来5年内，AI有可能会改变人类大流行病的防范。其或许能更好地帮助预测疫情从哪里开始，并利用常规收集的气候和社会经济数据来预测其轨迹；通过研究机体免疫系统和新发病原体之间的相互作用，AI也有望帮助预测疾病爆发对患者个体所产生的影响。综合起来讲，如果能整合到各个国家的疾病大流行应对系统，这些进展或许就能挽救生命并确保全球为未来疾病大流行威胁做出了更好的准备。

这篇文章中，研究人员发现的AI和疾病大流行防范的机会包括：1）在改进当前疾病扩散模型上取得了有希望的进展，旨在促使建模更加强大、准确和现实；2）在探明疾病高传播潜力地区取得进展，有助于确保科学家们以最有效的方式来分配有限的卫生保健资源；3）改善疾病监测中遗传数据的潜力从而最终加速疫苗的开发及新型突变体的识别；4）帮助确定新型病原体特性的潜力，从而就能帮助预测其特征并确定是否会发生跨物种跳跃；5）预测诸如SARS-CoV-2和流感病毒等已经发生传播的病原体可能会出现哪些新的变种，以及哪些疗法和疫苗能最有效减少其所产生的影响；6）在AI的帮助下，将人口层面的数据与个人层面的数据（包括诸如心率和步数等可穿戴技术）进行整合从而更好地发现并监测疫情爆发；7）AI能在高技术科学和培训非常有限的卫生保健专业技术人员之间建立新的界面，并改善需要这些工具的环境的能力。

然而，并不是所有疾病大流行的防范和应对都会受到AI进步的同等影响，比如，尽管蛋白质语言模型在加速理解病毒突变如何影响疾病扩散和严重性方面有着巨大的希望，但基础模型的进步或许只会对当前的方法提供适度的改进从而模拟疾病扩散的速度。科学家们指出，在建议仅靠AI就能解决感染性疾病的挑战时一定要谨慎，但将人类反馈整合到AI模型工作流中或许就能帮助克服当前的局限性。研究人员特别关注训练数据的质量和代表性，AI模型对广泛社区的有限可访问性，以及与部署黑盒模型（black-box models）进行决策制定相关的潜在风险。

Eric Topol教授说道，尽管AI在减缓疾病大流行方面具有显著的变革潜能，但其也依赖于全球广泛的合作以及更为全面可持续的监测数据输入。如今感染性疾病爆发依然是一个持续的威胁，但AI能为决策制定者提供一套强大的新型工具，从而指导其何时以及如何做出明智的决策。文章中，作者建议采用严格的基准来评估AI模型，并倡导政府、社会、行业和学术界之间进行强有力的合作，从而可持续并实用开发改善人类健康的模型。

综上，这篇文章中，研究人员总结了AI在疾病大流行领域应用的一些局限性，并就传染性疾病流行病学如何最有效地利用AI当前和未来的发展提出了相关建议。（生物谷Bioon.com）

参考文献：

Kraemer, M.U.G., Tsui, J.LH., Chang, S.Y. et al. Artificial intelligence for modelling infectious disease epidemics. Nature 638, 623–635 (2025). doi：10.1038/s41586-024-08564-w