来自五所欧洲大学和研究机构的研究人员在《柳叶刀-传染病》杂志上撰文指出，人工智能可以成为更早发现新兴疾病的有效工具。
在《柳叶刀-传染病》杂志最新发表的一篇评论文章中，如何在危险病毒在人群中传播前识别出它们是核心问题。研究人员在文中讨论了人工智能如何结合"同一健康"(One Health)方法，有助于改善预测和监测。
"人工智能本身无法预防大流行病，但这项技术可以成为我们现有知识和方法的有力补充。我们越善于整合来自人类、动物和环境的数据，我们的准备就会越充分，"丹麦技术大学国家食品研究所的Frank Møller Aarestrup教授表示。
该评论文章由荷兰伊拉斯姆斯医学中心的Marion Koopmans教授共同撰写。她警告说，一旦疾病开始传播，就很难控制。"所需的干预措施非常激进——正如我们在COVID-19期间所看到的那样。这就是为什么在新病原体站稳脚跟之前检测到它们至关重要，"Koopmans表示，并指出一旦确立，新疾病可能会成为持久挑战，正如COVID-19所展示的那样。
作者团队还包括来自匈牙利厄特沃什·罗兰大学(ELTE)、意大利博洛尼亚大学和英国动植物健康局的专家。他们基于多年的合作经验发言，专注于VEO联盟中应对新兴疾病的"同一健康"方法——这是一个欧洲研究计划，致力于开发数据驱动的工具来检测和追踪新兴传染病。
疫情往往起源于动物
SARS-CoV-2、禽流感和猴痘等疾病的爆发表明，控制新的潜在流行病非常困难。许多病原体起源于动物，但它们何时何地会溢出到人类身上是不可预测的。评论文章的作者强调了气候变化、集约化动物生产和人类侵入自然栖息地如何增加了所谓的溢出事件风险——即病原体从动物跨越到人类的情况，在最坏的情况下，会发展成流行病。溢出事件被比作火花：大多数会熄灭，但有些会点燃无法控制的火灾。尽可能早地检测到此类溢出事件是一个挑战，该团队一直在使用大数据方法研究这一问题。
人工智能能揭示复杂数据集中的模式
人工智能可以帮助分析来自不同来源的此类数据集——如气候、土地利用、动物生产、交通、人口流动和社会经济数据。当这些数据集结合起来时，人工智能可以揭示出原本难以察觉的模式。
人工智能可以帮助我们确定在全球哪些地区应该加强监测，也可以在特定动物物种、废水或人类中加强监测。通过这种方式，我们可以优先将努力集中在风险最大的地区，即所谓的"热点地区"。
丹麦技术大学国家食品研究所 Frank Møller Aarestrup教授
遗传信号作为早期预警
一旦预测到此类热点地区，宏基因组测序可以作为一种全面的方法，用于检测已知和新型病原体。宏基因组测序是对遗传物质的分析——来自废水、空气、食物或环境的样本。它越来越多地被用来洞察大量已知和未知微生物的多样性。许多已识别的遗传片段尚未得到表征。
"当我们对样本进行测序时，可能会发现数百万个遗传片段。大多数看起来熟悉且无害，但我们仍会留下数千个未知片段。在这里，人工智能可以帮助检测模式并指出可能危险的东西，"Frank Møller Aarestrup解释道。
一旦确定存在潜在病原体，就会产生关于其危险程度的问题。动物病毒感染人类、传播并致病的潜力部分嵌入在遗传密码中。基于人工智能的工具可用于预测突变如何改变病毒特性。
"我们在这一领域看到了巨大的发展。基于人工智能的蛋白质模型可以指示突变对病毒结构的影响，以及这如何转化为传播风险或严重疾病风险。虽然目前具有挑战性，但我们看到人工智能在加速风险评估方面的巨大潜力，"Koopmans表示。
人工智能作为"共同科学家"——机遇与局限
该评论还描述了所谓人工智能"共同科学家"的早期原型，它们能够进行完整的科研周期——从假设生成、文献综述到数据分析和报告。
"我设想人工智能将成为会议桌上公认的能力——与不同类型的研究人员并驾齐驱。人工智能可以提供分析或建议，我们作为科学家可以对其进行评估。通过这种方式，该技术成为一种补充，可以加强我们的决策过程，"Frank Møller Aarestrup表示。
"这也意味着我们需要学习我们作为教师和主管的未来角色是什么。我们如何确保新的工作方式提供可信的输出？随着人工智能模型的进步，我们能否识别错误？我们还需要回到课堂。这非常令人兴奋，"Marion Koopmans表示。
作者们总结道，人工智能为增强疫情准备能力提供了引人入胜的可能性。然而，它必须被视为对现有经典监测和研究方法的补充——而非替代品。
【全文结束】
