在新冠疫情期间，废水监测成为公共卫生官员追踪病毒快速突变和传播模式的热门选择。但有没有一种方法可以更快地检测新发病毒——甚至在患者意识到自己生病之前就发现新变种？
由内华达大学拉斯维加斯分校（UNLV）主导的一项新研究正将这一梦想向前推进一步，该研究将废水样本监测与人工智能结合。研究结果发表在最新一期《自然通讯》（Nature Communications）杂志上。
主要作者、UNLV神经科学研究生Xiaowei Zhuang开发了一种由人工智能驱动的算法，通过扫描废水来检测正在出现的流感、呼吸道合胞病毒（RSV）、猴痘、麻疹、淋病、耳念珠菌（Candida auris）或其他病原体变种——通常比临床检测更早发现。
科学家表示，使用人工智能比现有废水监测方法更快地绘制病毒出现、突变和传播情况，可以显著增强公共卫生官员推出快速、针对性干预措施的能力。
“想象一下，在第一位患者进入诊所之前就识别出下一次疫情暴发。这项研究表明我们如何实现这一目标，”研究合著者、UNLV内华达个性化医学研究所教授Edwin Oh表示。“通过使用人工智能，我们可以确定病原体如何演变，而无需测试任何一个人。”
尽管研究详细说明了研究团队的AI方法如何分离复杂数据集中的重叠信号，但其真正的前景在于实地应用。“该工具尤其有助于改善农村社区的疾病监测，为资源匮乏地区的卫生工作者赋权，”研究合著者、沙漠研究所（Desert Research Institute）研究教授Duane Moser表示。
研究团队通过分析2021年至2023年间从美国内华达州南部废水处理设施收集的近3700份废水样本验证了其理论。他们发现，这种由人工智能驱动的系统仅需2到5个样本，就能准确识别不同病毒变种的独特特征，比现有方法显著更早发现。
此前的废水检测方法需要事先了解变种的基因组成，并高度依赖已接受检测的患者的临床数据。虽然这些方法有效，但它们是一种更具反应性的方法——通常在新病毒株已经在社区中广泛传播后才被识别。
Zhuang表示：“废水监测通过实时监测疾病在人群层面的出现和传播，使公共卫生响应更加及时和主动。这种新方法增强了早期疫情检测能力，无需事先知识或患者检测数据，而是从多个废水样本中主动检测模式，使这一工具在未来的公共卫生监测中更加有效。”
自2021年以来，拉斯维加斯的四家机构——UNLV、南内华达水务局（SNWA）、南内华达卫生区和沙漠研究所——一直在合作开发一个公共废水监测仪表板，以追踪新冠和其他病毒的新增病例。
《自然通讯》上的这项人工智能研究是这些机构以及克利夫兰诊所卢沃脑健康中心（Cleveland Clinic Lou Ruvo Center for Brain Health）合作开展的30多项研究之一。研究人员表示，这是首批采用人工智能方法增强废水情报的研究之一。
“废水监测已被证明是一种有效的工具，用于填补关键数据空白并了解社区的公共卫生状况，”研究合著者、SNWA首席研究微生物学家Daniel Gerrity表示。“正在进行的废水监测工作是一个很好的例子，说明SNWA、UNLV和其他合作伙伴之间的合作如何为本地社区乃至更广泛的地区带来积极影响。”
【全文结束】