摘要
背景：人工智能（AI）在公共卫生监测中的整合正在革新健康威胁的监测、预测和管理方式。传统监测系统常面临报告延迟、可扩展性有限以及实时响应效率低下等挑战。通过利用机器学习（ML）、深度学习（DL）和自然语言处理（NLP）等方法，AI能够分析广泛多样的数据集，为疾病预防和控制提供及时且可操作的见解。
目标：本综述旨在系统探讨AI如何通过实时数据分析和疾病预测来增强公共卫生监测。
方法：使用PubMed、Scopus、Web of Science、IEEE Xplore和Google Scholar五大数据库进行了广泛的文献检索，以识别2010年至2025年间发表的相关研究。合格研究需应用AI方法于实时监测，利用结构化或非结构化健康相关数据，并报告预测性或规范性结果。所有纳入研究均经过方法学严谨性评估，结果进行了主题综合。
结果：39项研究符合纳入标准。大多数采用随机森林（RFs）等机器学习和深度学习模型，而其他研究则结合自然语言处理分析基于文本的数据。AI系统被用于描述性监测、疾病暴发预测建模以及支持资源分配的规范性分析。实时分析在预测疾病趋势方面表现出高准确性和及时性，尤其适用于COVID-19、流感和登革热等疾病。结合多种AI技术的混合模型进一步提升了预测性能。
结论：AI驱动的监测系统在转变公共卫生监测方面具有巨大前景。它们能够实现更快检测、改进预测和更高效的公共卫生响应。然而，数据标准化、伦理治理和基础设施差异等挑战仍然存在。解决这些障碍对于在全球卫生监测中实现公平、可扩展的AI实施至关重要。
关键词：人工智能（AI）、疾病预测、早期预警系统、机器学习、公共卫生监测、实时分析
【全文结束】
