一项由牛津马丁学院研究人员参与的研究首次概述了人工智能（AI）如何加速传染病研究和疫情应对的突破。该研究发表于《自然》杂志，正值上周举行的AI行动峰会期间，全球关于AI投资和监管的讨论日益增多。研究特别强调了在传染病研究中部署和使用AI时的安全性、责任和伦理问题。
该研究呼吁建立一个协作和透明的环境，既包括数据集也包括AI模型。这项研究是由来自牛津大学的科学家与非洲、美洲、亚洲、澳大利亚和欧洲学术界、工业界及政策组织的同事合作完成的。
迄今为止，AI在医学上的应用主要集中在个体患者的护理上，例如增强临床诊断、精准医疗或支持临床治疗决策。而这篇综述则考虑了AI在人群健康方面的应用。研究发现，即使在数据有限的情况下，最近的人工智能方法也在不断改进性能——这一直是到目前为止的主要瓶颈。在噪声大且数据有限的情况下表现更好，为AI工具改善高收入和低收入国家的健康状况开辟了新的领域。
牛津大学潘多米克科学研究所和牛津马丁计划的大流行基因组学项目的首席作者莫里茨·克拉默教授表示：“在未来五年内，人工智能有可能彻底改变大流行的准备工作。它将帮助我们更好地预测疫情爆发的起点及其轨迹，利用大量常规收集的气候和社会经济数据。它还可能通过研究免疫系统与新兴病原体之间的相互作用来预测疾病爆发对个别患者的影响。总体而言，如果将这些进展整合到各国的疫情应对系统中，将有潜力挽救生命，并确保世界更好地应对未来的疫情威胁。”
研究中确定的AI和疫情准备的机会包括改进当前的疾病传播模型，目标是使建模更加稳健、准确和现实。在确定高传播潜力区域方面取得的进展将有助于确保有限的医疗资源能够以最有效的方式分配。
此外，还有可能改进疾病监测中的遗传数据，最终加快疫苗开发和新变种的识别。AI可以帮助确定新病原体的特性，预测其特征，并识别跨物种跳跃的可能性。此外，它还可以帮助预测已经流通的病原体（如SARS-CoV-2和流感病毒）可能出现的新变种，以及哪些治疗方法和疫苗最适合减少其影响。
此外，AI可以促进人群层面数据与个人层面数据（包括可穿戴技术如心率和步数计数）的整合，从而更好地检测和监控疫情。它可以创建一个高度技术性的科学与培训有限的医疗专业人员之间的新接口，改善最需要这些工具的环境中的能力。
然而，并非所有疫情准备和响应领域都会受到AI进步的同等影响。例如，虽然蛋白质语言模型在加速理解病毒突变如何影响疾病传播和严重程度方面具有巨大潜力，但基础模型的进步可能只会对现有路径传播速度建模方法提供适度的改进。
科学家们警告说，不要认为仅靠AI就能解决传染病挑战，但他们相信将人类反馈整合到AI建模工作流程中可能会克服现有局限。作者特别关注训练数据的质量和代表性、AI模型对更广泛社区的有限可访问性，以及黑盒模型用于决策时可能带来的风险。
斯克里普斯研究转化研究所的创始人兼主任埃里克·托波尔教授评论道：“尽管AI在缓解疫情方面具有显著的变革潜力，但这取决于广泛的全球合作和全面持续的监测数据输入。”
哥本哈根大学和帝国理工学院的研究负责人萨米尔·巴特补充道：“传染病爆发仍然是一个持续的威胁，但AI为政策制定者提供了强大的新工具，以指导何时以及如何干预的知情决策。” 作者建议严格评估AI模型，倡导政府、社会、工业和学术界之间的强大合作，以可持续和实用地开发改善人类健康的模型。
(全文结束)
