如果科学家能够提前预测疫情爆发的可能性会怎么样？如果我们可以预防而不是应对新出现的威胁又会怎么样？
在过去的一年中，马尔堡病毒、猴痘和禽流感（H5N1）等疾病的爆发凸显了加强准备以防止未来疫情的重要性。尽管世界仍在应对新冠疫情的长期影响，但科学家们正致力于通过AI驱动的建模和预测分析来充分发挥人工智能在全球卫生安全方面的潜力——希望能够预见潜在的疫情爆发，评估风险因素，并创建可以挽救生命的早期预警系统。
例如，佛罗里达大学新兴病原体研究所的研究人员发布了一种算法，该算法能够预测目前流通的哪种新冠变种最有可能在未来三个月内成为主导。该算法用于识别新的关注变种，并在这些变种被美国疾病控制与预防中心正式标记之前整整十周正确识别了11个变种。
通过对公开可用的SARS-CoV-2基因序列进行训练，科学家可以继续预测哪些突变将对公共卫生构成最大威胁。
然而，人工智能在实验室中的潜力远远超出了新冠病毒。当应用于其他传染病如艾滋病时，人工智能驱动的模式识别可以揭示影响治疗和结果的风险因素，甚至可以定位传播仍然顽固高的地区。
在新冠疫情爆发前几个月，全球变化研究已经展示了人工智能在告知病毒出现趋势方面的潜力，以期战胜下一次疫情。通过构建数据集和经验学习，人工智能在跨物种传播中的应用已被用于理解人畜共患病的传播，主要是媒介传播疾病，以及全球变化对疾病出现和传播的影响。
传染病研究可以利用系统中的新旧数据来回答关于预测新兴病原体的基本问题。这些研究是多学科的，涉及科学家们更深入地了解宿主-病毒网络，以及数据流利性和知识转化。
鉴于今天处理的数据量巨大，迫切需要提高用于分析这些数据的技术质量，并向更广泛的科学界传达这一需求。将人工智能整合到传染病研究中强调了加强未来研究能力的必要性，这意味着在所有类型的病原体相关的科学研究方面推动技术进步。
例如，像炭疽这样的细菌性疾病也受益于增强的人工智能检测技术。在德克萨斯州西南部，炭疽传播与动物与其环境的互动密切相关，机器学习正在产生巨大的影响。研究人员正在开发一种基于人工智能的模型，可以根据最初几个月的动物病例情况预测疫情爆发的可能性。目标是在两个月前确定疫情爆发的可能性。
佛罗里达州是美国作物生产的主要州之一，为气候相似地区的疾病管理树立了榜样。全球植物健康也可以从人工智能提供的智能解决方案中受益。农民可以使用人工智能设计和建立智能农业系统，以管理疾病并最小化灾害对农业系统的影响。农业工作者可以使用人工智能模型支持食品安全，并优化种植者消毒工具和轮作的方式。
通过向人工智能模型输入数十年的数据，算法变得熟悉不同水平的绿色度，对应于一个区域内的植被量。在向算法展示部分模式后，研究人员教会它从前几年找到匹配项，并随后填补不完整数据的空白，以对未来年份进行预测。
这些应用只是开始。人工智能在检测和预防疾病方面的潜力是无限的，使我们能够以主动而非被动的方式解决公共卫生问题。预防下一次大流行病的斗争可以有所不同。
(全文结束)
