人工智能如何使传染病监测更智能、更快捷、更有用
公共卫⽣机构面临着加快响应速度、更早发现威胁和做出更好决策的压力，同时还要应对资金削减和权威性下降的挑战。在大多数公共卫生机构不得不"用更少做更多"的背景下，人工智能系统为维持甚至提升一个关键领域——传染病监测的绩效提供了机遇。
据《健康快讯》报道，即使是资源最充足的卫生部门也依赖低效且易出错的监测系统。疾病监测通常需要工作人员手动审查实验室报告、致电医疗机构，以及编写和修改代码来清洗、分析和可视化数据。
人工智能已在数据密集且决策需快速精准的行业（如金融和物流）提升了绩效。公共卫生监测系统本质上是关于社区健康状况的大型数据仓库，其他领域成功应用的工具同样可以帮助卫生机构节省时间、提高准确性并加速响应。
什么是疾病监测及其重要性？
监测是政府评估人群中疾病发生率和总体负担、检测暴发、制定政策、评估预防控制项目效果的方式。各州均维护需强制报告的疾病清单，医疗机构和实验室有法律义务报告这些疾病。
在传染病监测中，大多数报告通过实验室数据产生。该系统本应如此运作：患者出现症状并就诊→医务人员采集样本送检→实验室检测潜在病原体→实验室将数据上报州或地方卫生机构。这一流程用于收集从沙门氏菌到HIV再到新冠疫情的所有数据。
通过实验室确认病例进行监测，使公共卫生机构确信他们正在调查具有公共卫生重要性的病例，而非仅关注那些呈现相关症状但对公共卫生意义较低的患者。理想情况下，这些报告应通过标准化数字格式的系统进行电子传输，但现实中仍有大量报告通过传真或电话完成。更关键的是，无论数据是数字还是模拟传输，都需要处理重复记录、修正错误，并补全缺失信息（尤其是患者人口学数据和暴露史）。
人工智能优化数据收集与报告流程
实验室产生着海量数据。虽然部分检测仪器可自动生成可报告格式的数据，但技术人员仍需人工解释和录入结果到其他电子系统，实验室或卫生部门还需将数据转化为标准格式以整合至疾病监测数据库。
人工智能的自然语言处理技术可以扫描自由文本的实验室报告，提取关键信息：检测到的病原体、使用的检测方法、检测时间、结果以及患者的可识别和可报告信息（如姓名、出生日期、住址、性别、种族、民族）。这些信息可自动格式化以满足公共卫生报告要求。
人工智能还能监控实验室仪器数据流，在出现可报告疾病时自动触发上报流程。它可以通过算法自动完成报告步骤，无需人工发现、查阅和手动输入数据。这特别适用于应对报告合规性挑战——人员流动、新软件或新仪器可能导致漏报。卫生部门通常只能通过趋势审查（如"为何某实验室本季度未报告任何疾病？"）发现问题，之后需要人工审查数据、联系实验室，甚至发出正式警告。而由卫生部门运营的AI"代理"可连续监测各机构报告趋势，自动标记异常下降、发送提醒邮件，甚至直接致电实验室（由人工监督但不直接执行操作）。
人工智能提升数据清洗与整合能力
在卫生机构中，流行病学家需要整合来自实验室、医院、门诊部和其他机构的多种监测数据。人工智能算法能加速重复记录的识别与解决。两个报告可能指向同一患者但姓名或日期不同，或同一患者多次检测同一感染。AI可以学习匹配和合并这些记录，并随着时间推移提高匹配准确性。
大多数实验室报告仅包含有限信息：姓名、年龄、性别、住址、医生和检测机构名称。但要了解疾病负担和识别暴发，需要更多数据：症状何时开始？患者暴露于什么环境？是否旅行过？是否住院？
为获取这些细节，流行病学家需要致电患者或医疗机构并搜索其他数据库。这需要大量人力。AI工具可通过自动化部分流程提供帮助：向患者手机发送在线调查链接或聊天机器人访谈，未来甚至可能进行语音访谈。在州法律允许范围内，AI代理可连接医院记录、免疫登记系统或死亡证明，补全缺失的人口统计和结果数据。
人工智能加速数据分析与可视化
最具前景的应用之一是AI在监测数据分析、可视化和传播方面的应用。
在资源充足的卫生机构中，流行病学家运行"现在预测"和"未来预测"模型。然而美国大多数县卫生部门缺乏这类技能的专家。AI工具可自动化这些过程，包括整合急诊室、911呼叫和/或药店销售等本地数据库，根据不同干预措施估计当前和未来的发病率。
AI还能针对不同受众生成定制化数据摘要。大多数监测报告由流行病学家撰写，内容密集且技术复杂，需兼顾专家和大众。生成式AI工具可根据不同技术层次和视角（如政策制定者、记者、医疗从业者或公众）生成针对性摘要。
隐私与安全仍是关键
尽管监测数据通常不受联邦隐私法（如HIPAA）约束，但仍需遵守严格的州和地方法律。
公共卫生监测使用的AI工具必须在法律框架内设计：不得存储或使用可识别信息用于训练目的，需限制授权人员访问权限，并在安全的封闭电子环境中运行。AI还可通过自动去识别记录并测试公开数据集的再识别风险，帮助实现数据透明化同时保护隐私。
未来展望
要实现即时应用，公共卫生机构需要经过验证的数据处理和分析工具，并能适应流行病学家的需求。公共卫生专家、AI开发者和政策制定者的合作至关重要，这将确保系统整合提升公共卫生监测的速度、质量和可用性，同时维持强大的安全和隐私控制。
【全文结束】
