一项发表的研究，由牛津马丁学校研究人员参与，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。该研究发布于上周的人工智能行动峰会之后，并在全球关于AI投资和监管的讨论日益增加之际，特别强调了在传染病研究中部署和使用AI的安全性、责任和伦理问题。
研究呼吁在数据集和AI模型方面建立一个协作和透明的环境，这是牛津大学科学家与来自非洲、美洲、亚洲、澳大利亚和欧洲的学术界、工业界和政策组织同事之间的合作成果。
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，例如提高临床诊断、精准医学或支持临床治疗决策。然而，这篇综述考虑的是AI在群体健康中的应用。研究表明，最近的AI方法论进展即使在数据有限的情况下也能表现出色——这一直是主要瓶颈。对嘈杂和有限数据的更好处理能力正在为高收入和低收入国家开辟新的领域，使AI工具能够改善健康状况。
牛津大学大流行科学研究所和牛津马丁大流行基因组学计划的首席作者莫里茨·克拉默教授表示：“在未来五年内，AI有潜力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的地点和轨迹，利用日常收集的大量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来预测疾病爆发对个别患者的影响。”
研究中确定的AI和大流行病准备的机会包括：
- 改进当前疾病传播模型的有希望的进展，旨在使建模更加稳健、准确和现实。
- 在识别高传播潜力区域方面取得进展，有助于确保有限的医疗资源得到最有效的分配。
- 提高疾病监测中的遗传数据分析能力，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，预测其特征并判断是否可能发生跨物种跳跃。
- 预测已流通病原体（如SARS-CoV-2和流感病毒）的新变种，并确定哪些治疗方法和疫苗最能减少其影响。
- 可能通过集成群体级数据与个人级来源的数据（如心率和步数等可穿戴技术）来更好地检测和监测疫情。
- AI可以创建一个新的接口，连接高度技术化的科学与受训有限的医护人员，从而提高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，虽然蛋白质语言模型有望加快对病毒突变如何影响疾病传播和严重程度的理解，但基础模型的进展可能仅提供适度改进，以模拟病原体传播速度。
科学家们谨慎地指出，AI本身不会解决传染病挑战，但将人类反馈整合到AI建模工作流程中可能会克服现有局限。
作者特别关注训练数据的质量和代表性、AI模型对更广泛社区的有限可访问性以及部署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·托波尔教授表示：“虽然AI具有显著的转型潜力，但它依赖于广泛的全球合作和全面、连续的监控数据输入。”
研究的主要作者萨米尔·巴特（来自哥本哈根大学和帝国理工学院）表示：“传染病暴发仍然是持续的威胁，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。”
作者建议严格的基准测试以评估AI模型，倡导政府、社会、工业和学术界之间的强大合作，以实现可持续和实用的模型开发，从而改善人类健康。
(全文结束)
