气候变化日益被认为是当前最重大的公共卫生挑战之一。仅在美国，2022年就有70%的美国人面临极端天气事件。从热浪和干旱到飓风和野火，这些事件不仅频率增加，而且有可能压垮医疗系统。
尽管政府和机构努力减缓气候变化，但适应其不可避免的影响却退居次要地位。随着极端天气的加剧，采取主动的医疗解决方案变得越来越迫切。机器学习（ML）作为一项具有变革潜力的工具，可以预测与气候敏感的极端天气相关的健康结果。通过分析大量数据集，包括临床记录、社会经济因素和环境条件，ML可以预测个体和社区层面的健康风险。这并非理论上的练习；用于指导乳腺癌治疗或诊断冠状动脉疾病的相同预测算法现在正被改编为预测气候紧急情况下的医疗需求。
例如，2022年的印度河洪水淹没了巴基斯坦的大部分地区。然而，利用ML预测气候驱动事件的健康影响仍处于起步阶段。最近的一项综述指出，只有七项研究采用了ML来预测此类结果。尽管应用有限，但ML在气候相关医疗保健领域的革命潜力巨大。
利用AI预测医疗需求激增
考虑2023年的“三重疫情”，当时COVID-19、RSV和流感与肆虐的野火同时发生。全国各地的医院都准备迎接呼吸道疾病病例的激增。传统的方法依赖历史数据和直觉来规划患者激增，使医院管理人员无法确定高峰期和资源分配。
波士顿儿童医院首席创新官John Brownstein寻求更好的方法。他的团队将环境、行为和传染病数据整合到一个机器学习模型中，提供了详细的呼吸道病例峰值预测。“我们能够精确到具体哪一天会出现最高级别的容量需求，”Brownstein说。这种精确度使医院能够高效管理资源，确保患者及时得到治疗。
扩展气候模型的AI应用
除了即时的医疗需求，AI还在改变我们理解和建模气候系统的方式。传统的气候模型依赖基于物理方程的模拟大气和海洋动力学，但这需要巨大的计算能力，仍然存在长期预报的空白。AI提供了一种补充方法。
例如，Google DeepMind的GraphCast提供了高度准确的飓风路径预测和十天天气预报，超越了传统模型。同样，Microsoft的Aurora可以提前五天预测全球空气污染模式。这些工具使医疗提供者能够为不良空气质量带来的健康后果做准备，如加重的呼吸系统和心血管疾病。
然而，将AI的预测能力扩展到长期气候影响仍面临挑战。混合模型，即将AI纳入传统的基于物理框架，成为一种有前景的解决方案。通过将AI预测建立在既定的科学原理上，研究人员希望平衡AI的速度和效率与传统方法的可靠性。
识别易受伤害的人群
AI在气候健康方面最重要的贡献之一是识别高风险人群。例如，气温上升已知会增加与热相关的疾病的风险。但气候因素与健康结果之间的关系往往更为复杂。AI可以分析来自电子健康记录、保险索赔甚至社交媒体帖子的大量数据，揭示可能被忽视的模式。
哈佛大学生物统计学教授Francesca Dominici强调了这些工具的重要性。她的团队利用AI揭示了当地气温上升与抗生素耐药性之间的联系，这一发现对公共卫生具有重要意义。“AI使我们能够同时揭示多种疾病和环境因素之间的关系，”她解释道。
这种能力使得有针对性的干预成为可能。例如，在热浪来临之前，AI模型可以预测哪些人群（如老年人或有预先存在的疾病的人）最有可能受到影响。政策制定者可以优先分配空调或开放降温中心，从而拯救生命。
增强医疗系统的气候韧性
AI的作用不仅限于预测。由急诊医学专家Satchit Balsari共同发起的Climateverse项目旨在整合和提供分散的气候和健康数据。在东南亚，极端天气事件经常扰乱医疗系统，Climateverse使用AI驱动的聊天机器人帮助研究人员和政策制定者识别脆弱社区并有效分配资源。
此外，AI在减少医疗系统的碳排放方面也能发挥关键作用。通过优化医院内的能源使用并确定减少碳排放的最有效策略，AI支持改善健康结果和减缓气候变化的双重目标。这种动态应用突显了气候和健康挑战的相互关联性。
平衡AI的优势和劣势
尽管潜力巨大，但AI在气候健康中的整合引发了伦理和实际问题。AI模型需要大量的计算能力，这可能会增加碳排放。随着技术的普及，其能源需求可能会抵消其寻求提供的环境效益。
准确性和偏见也是关键问题。AI预测必须可靠并反映其所服务的多样化人群。Dominici强调透明度和严格验证的重要性。“在哈佛和医学界处理人命时，平衡利用AI的好处和减轻其弊端真的很重要，”她说。
Francesca Dominici的团队利用AI揭示了当地气温上升与抗生素耐药性之间的联系。这条前进的道路涉及谨慎的管理。随着AI工具变得更加先进，其开发者必须确保它们增强而不是削弱气候韧性。科学家、政策制定者和医疗提供者之间的开放对话和合作对于实现AI在应对气候相关健康风险方面的全部潜力至关重要。
(全文结束)
