英国卫生安全局（UKHSA）正在探索人工智能在帮助科学家检测和调查食源性疾病爆发中的潜在作用。
该机构发布了一项研究，评估了不同类型的人工智能在检测和分类在线餐厅评论中的文本的能力——筛选诸如腹泻、呕吐和腹痛等关键词以及特定类型的食物提及情况。超过3,000条评论由流行病学家手动标注后进行了收集和过滤。
这些类型的人工智能，包括大型语言模型（LLMs），未来可能被用于识别并有针对性地调查食源性疾病爆发。
UKHSA表示，此前的研究已经探讨了类似的方法，但其研究更为全面，检查了更详细的术语和语言模式列表。
数据挑战
研究还强调了在广泛实施之前需要解决的挑战，特别是在数据访问和质量方面。
虽然可以使用这种方法收集有关人们所吃食物的一般信息及其与疾病的关联，但确定具体的成分或其他相关因素则较为困难。拼写变化和俚语的使用也被认为是潜在的挑战，此外还有人们将疾病错误归因于某顿饭的情况。
UKHSA首席数据官Steven Riley教授表示：“我们一直在寻找新的有效方法来增强我们的疾病监测能力。利用人工智能以这种方式可以帮助我们识别更多食源性疾病爆发的可能来源，结合传统的流行病学方法，防止更多人患病。但在我们将这些方法纳入常规应对食源性疾病爆发的方法之前，还需要进一步的工作。”
患者体验
UKHSA还报告了另外两个探索人工智能使用的项目。其中一个项目使用大型语言模型加速对患者在医疗系统中生活经历的定性调查数据的分析。该项目基于2022年针对艾滋病病毒感染者的“积极之声”调查的回应，以识别关键主题，目前正在接受人工评估。
另一个项目涉及在UKHSA的计算集群上使用大型语言模型自动检测公共卫生指南建议之间的潜在冲突。该系统使用户能够上传正在开发中的指南部分，并自动检索相关的现有指南部分，然后标记任何潜在的冲突。目前正在进行内部用户测试，UKHSA表示，该工具显示出早期有希望的结果，准确率超过90%。
它补充说，该工具可以帮助确保公共卫生信息在快速发展的卫生紧急情况下清晰一致。
增强保护
该机构的首席数据科学家Nick Watkins博士表示：“这些项目展示了如何在人类专业知识的基础上，人工智能可以增强公共卫生保护。随着我们继续开发和完善这些系统，我们在拥抱创新的同时保持对人工智能输出的严格验证。这种方法有助于我们充分利用人工智能的潜力，同时维持一个国家级公共卫生机构所期望的高标准。”
(全文结束)
