根据发表在《自然计算科学》（Nature Computational Science）上的一项研究，由约翰斯·霍普金斯大学（Johns Hopkins University）和杜克大学（Duke University）研究人员利用联邦资金开发的一种新型人工智能工具，在预测传染病传播方面超越了当前最先进的预测方法。
这项技术可能彻底改变公共卫生专家预测、追踪和控制流感和COVID-19等传染病流行的方式。
“COVID-19揭示了预测疾病传播的挑战，因为复杂的因素相互作用且不断变化。当条件稳定时，模型表现良好。然而，当新变种出现或政策发生变化时，我们无法很好地预测结果，因为我们缺乏包含关键信息的建模能力。这个新工具填补了这一空白。”
劳伦·加德纳（Lauren Gardner），研究作者，约翰斯·霍普金斯大学
这种新技术在新冠疫情期间并不存在。该团队首次使用大规模语言建模——一种因ChatGPT而流行的生成式人工智能——来预测疾病传播。
与将预测视为数学问题的传统方法不同，PandemicLLM模型通过推理分析输入数据，例如当前感染高峰、新变种以及口罩强制令等。
研究团队向模型输入了大量信息流，包括此前从未用于疫情预测工具的数据，并发现PandemicLLM可以提前一到三周准确预测疾病模式和住院趋势，持续优于其他方法，包括CDC的CovidHub上表现最佳的模型。
“疾病预测中的一个紧迫挑战是如何确定导致感染和住院激增的因素，并将这些新的信息流纳入建模中。” 加德纳补充道。
该模型基于四类数据：
- 州级空间数据，如人口统计、医疗保健和政治联系；
- 流行病学时间序列数据，如报告病例、住院率和疫苗接种率；
- 公共卫生政策数据，包括政府政策的严格程度和类型；
- 基因组监测数据，包括疾病变种特征和流行率。
在消化这些数据后，模型可以预测各种因素如何相互作用以影响疾病的传播行为。
为了测试该模型，研究人员将其回溯应用于新冠疫情，重点关注美国各州长达19个月的时间段。与现有模型相比，新工具在整个疫情期间的表现尤为出色。
“传统上，我们用过去的数据来预测未来。但这并未为模型提供足够的信息来理解和预测正在发生的事情。相反，这个框架使用了新型实时信息。”
杨浩（Hao “Frank” Yang），研究作者，约翰斯·霍普金斯大学土木与系统工程助理教授
只要有正确的数据，该模型可适用于任何传染病，如禽流感、猴痘和RSV。
目前，研究人员正在研究大型语言模型（LLMs）是否能够模拟人们如何做出与健康相关的决策。他们希望政策制定者能够制定更安全、更高效的规则。
加德纳补充道：“从COVID-19中我们知道，我们需要更好的工具，以便为更有效的政策提供信息。下一次大流行不可避免，而这类框架对于支持公共卫生响应至关重要。”
本研究的作者包括：约翰斯·霍普金斯大学博士生杜宏儒（Hongru Du）、约翰斯·霍普金斯大学研究生赵洋（Yang Zhao）、蒙特利尔大学（University of Montreal）的赵建安（Jianan Zhao）、约翰斯·霍普金斯大学博士生徐少冲（Shaochong Xu）、哈佛大学（Harvard University）的林希红（Xihong Lin）以及杜克大学（Duke University）教授陈怡然（Yiran Chen）。
(全文结束)
