人工智能应对环孢子虫疫情
今年夏天迄今美国最猛烈的一场公共卫生危机:由微小寄生虫环孢子虫引起的严重肠道疾病疫情正让数十个州的数千人染病。卫生官员已将这种微小寄生虫追溯至部分快餐店供应的 iceberg 生菜(卷心莴苣)。
相关阅读:无摩擦安全:人工智能如何重新定义高度监管行业的访问控制
随着疑似病例增至近6000例,研究人员正借助人工智能来应对这场多年来规模最大的多州疫情。虽然专家并不指望人工智能能解决环孢子虫问题,但一些临床实验室正使用人工智能工具进行诊断,以大幅加快对患者粪便样本的检测和诊断处理速度。
总部位于犹他州的ARUP实验室寄生虫学组经理瑞安·詹森(Ryan Jensen)就是借助人工智能力量的人之一。ARUP正在使用与Techcyte公司联合开发的人工智能系统,将卷积神经网络应用于粪便样本的显微镜图像。该人工智能工具并非取代实验室技术人员,而是快速扫描玻片、标出可疑的环孢子虫生物体,并让受过训练的员工确认结果是否正确。
“技术人员大约两分钟就能复核那些标出任何潜在生物体的扫描图像,”詹森对ISMG表示。“这大大缩短了时间,我们还发现它提高了准确性。”
詹森说,人工智能技术在当前疫情中尤其有价值。ARUP的检测量增加了约200%,每天从全国各地送检的样本中识别出约50例阳性病例。詹森说,人工智能帮助实验室员工在保持诊断质量的同时跟上进度。
截至7月13日——美国疾病控制与预防中心(CDC)可获得的最新数据——自5月1日以来,美国境内感染环孢子虫病的实验室确诊病例为1645例,另有超过5100例需要进一步分析确认。迄今已有34个州报告病例。
在1645例确诊病例中,141名患者住院治疗。CDC表示,幸运的是迄今尚无死亡报告。“这大幅高于2025年5月1日至7月16日全国报告的249例。”
周四,联邦卫生官员表示,2026年夏季的环孢子虫疫情似乎与来自墨西哥的切丝生菜有关,这些生菜在至少印第安纳州、肯塔基州、密歇根州、俄亥俄州和西弗吉尼亚州的塔可钟(Taco Bell)门店供应。
“实际感染环孢子虫病的人数很可能高于报告数字,”CDC在其网站上表示。“这是因为有些人未经医疗护理就康复了,并未接受环孢子虫检测。”
但一些专家也指出,CDC在2025年中期将环孢子虫在其食源性疾病主动监测网络中的报告改为自愿性质,因此实际病例数更难确定。
“环孢子虫曾被作为食源性疾病进行追踪。现在不再强制追踪,而是自愿追踪,所以并非所有人都会报告,”密歇根州Corewell Health传染病医生兼研究主管马特·西姆斯(Matt Sims)说。他说,密歇根州是受影响最严重的州之一,当前疫情中估计有3300例环孢子虫病例。
预测未来疫情
专家表示,人工智能在此类疫情中最大的前景在于帮助调查人员在数千人因环孢子虫及其他食源性疾病患病之前,识别受污染的食物来源并串联数据点。
西姆斯说,在最近这波疫情中,最大的挑战之一是环孢子虫漫长的潜伏期。症状——如严重腹泻、疲劳和食欲不振——可能在暴露后长达两周才出现,这使得患者极难准确回忆起自己吃过的所有东西。该疾病不会通过人际接触传染。
西姆斯说,人工智能有可能用于统一跨地区的数据。
“每个州多少都在各自处理,”但人工智能驱动的预测和自动化疫情监测才是力量所在,西姆斯说。“人工智能在疫情分析方面有潜力。它可能发挥作用的领域之一是预测。”
西姆斯说,Corewell Health已在开发一套早期预警系统,应用机器学习在疫情或其他疾病大规模扩散之前识别异常感染模式。
“我们正在研究细菌。我们从一种特定细菌入手,以一些非常具体的方式研究它,并通过算法运行,”西姆斯说。目标是在医院内部预测可能的疫情暴发。
专家表示,人工智能的有效性取决于高质量数据、强有力的公共卫生监测,以及跨医疗、农业、实验室和政府机构安全共享信息的能力。
“跨部门整合是人工智能从渐进式有用转变为真正强大的关键,”Suzu Labs安全人工智能解决方案与网络安全高级总监雅各布·克雷尔(Jacob Krell)说。
克雷尔说,农业系统掌握进口检验数据和种植地区风险画像。CDC的PulseNet网络提供基因组测序,将病例与共同的病原体来源联系起来。
“医疗系统掌握临床表现和地理分布。人工智能能够以人工调查无法做到的方式融合这些信号,确定优先检测哪些农产品货运、标记哪些种植地区、哪些患者群具有共同暴露史,”克雷尔说。
不过,克雷尔说,没有任何单一机构掌握全貌。“当人工智能位于各部门的交汇处而非任何一个部门内部时,其价值会成倍增长。”
数据挑战
尽管对人工智能在当前环孢子虫疫情等情形中发挥作用持乐观态度,专家强调人工智能无法弥补糟糕的数据。
“如果你的数据不好,它可能给不出好答案,”西姆斯说。“垃圾进,垃圾出。”
圣地亚哥国立大学统计流行病学家兼教授泰勒·史密斯(Tyler Smith)博士给出了类似评估。
“人工智能工具在使用预测算法识别高危人群和潜在传播率方面很强大。然而,这些工具的好坏取决于输入的数据,在某些情况下会产生差异很大的估计值,”史密斯说。“在某些场景中,数据有效可靠,能产生极佳的估计;在另一些场景中,数据尚不‘成熟’,可能给出错误或无用的结果。”
安全公司Approov首席执行官泰德·米拉科(Ted Miracco)说,人工智能处理海量数据集的能力可以大幅缩短目前需要数周人工分析的溯源调查,并延伸至医疗行业之外。
“查找食源性疾病的来源就像大海捞针,而人工智能可以充当一块巨大的磁铁,”米拉科说。“人工智能擅长分析,它能即时绘制复杂多层的供应链,从数百万份货运清单和分销日志中筛选,找出应对一批受污染生菜负责的确切农场或加工厂。”
米拉科说,展望未来,人工智能还可以帮助分析天气和环境数据,以预测有利于环孢子虫生长的条件,从而可能帮助监管机构在疫情扩大之前介入。
“人工智能模型吸收海量气象数据,以定位有利于寄生虫生长的环境条件,使机构能够发出先发警告,”米拉科说。
不过,专家一致认为,在未来涉及环孢子虫或其他潜在食物污染物的案例中,人工智能不会取代人类流行病学家、实验室人员或公共卫生调查人员。
相反,人工智能正成为一种力量倍增器——只要底层数据完整、互联且可信,它就能识别细微模式、处理海量数据,并加速目前需要数周的调查。
“当你通过显微镜观察组织或标本时,尤其是连续数小时,会非常消耗体力,身心俱疲,”ARUP实验室的詹森说。“而这是人工智能不会感到困难的事。”
【全文结束】

