一种新的AI工具能够比现有的最先进的预测方法更准确地预测传染病的传播。
这个工具是由约翰霍普金斯大学和杜克大学的研究人员在联邦支持下创建的，可能会彻底改变公共卫生官员对包括流感和COVID-19在内的传染病的预测、追踪和管理方式。
“COVID-19揭示了由于复杂因素不断变化而导致疾病传播预测的挑战，”约翰霍普金斯大学的建模专家劳伦·加德纳说。她创建的COVID-19仪表板在疫情期间被全球广泛依赖。“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，我们无法准确预测结果，因为我们没有能力将关键信息纳入模型中。新的工具填补了这一空白。”
这项工作已在《自然计算科学》杂志上发表。
在冠状病毒大流行期间，支撑新工具的技术还不存在。该团队首次使用大型语言模型（如ChatGPT中使用的生成式AI）来预测疾病的传播。
该模型名为PandemicLLM，不仅将预测视为一个数学问题，还会考虑近期感染激增、新变种和口罩令等输入信息。
研究团队向该模型提供了大量信息，包括从未在疫情预测工具中使用过的数据，并发现PandemicLLM能够准确预测未来一到三周的疾病模式和住院趋势，始终优于其他方法，包括CDC的CovidHub中的最高性能方法。
“在疾病预测中，一个紧迫的挑战是如何确定感染和住院激增的原因，并将这些新的信息流纳入建模，”加德纳说。
该模型依赖于四种类型的数据：
- 州级空间数据，包括人口统计、医疗系统和政治倾向的信息。
- 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性和类型。
- 基因组监测数据，包括关于疾病变种特征及其流行程度的信息。
在处理这些信息后，该模型可以预测各种元素如何共同影响疾病的行为。
为了测试它，研究团队回顾性地将其应用于COVID-19大流行，在19个月内对每个美国州进行了详细分析。与其他模型相比，新工具在疫情波动时特别成功。
“传统上，我们利用过去来预测未来，”约翰霍普金斯大学助理教授、专门从事可靠AI开发的杨浩（Hao "Frank" Yang）说。“但这并没有给模型足够的信息来理解和预测正在发生的事情。相反，这个框架使用了新的实时信息类型。”
有了必要的数据，该模型可以适应任何传染病，包括禽流感、猴痘和RSV。
该团队现在正在探索大型语言模型复制个人健康决策的能力，希望这种模型可以帮助官员设计更安全和有效的政策。
“从COVID-19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，”加德纳说。“将会再次爆发大流行，这类框架对于支持公共卫生响应至关重要。”
作者包括：约翰霍普金斯大学博士生杜红瑞；约翰霍普金斯大学研究生赵阳；蒙特利尔大学的赵建安；约翰霍普金斯大学博士生徐少冲；哈佛大学的林希红；杜克大学教授陈义然。
(全文结束)
