一项发表在《自然》杂志上的观点文章首次概述了人工智能的进步如何加速传染病研究和疫情应对。该研究特别强调了在传染病研究中部署和使用人工智能的安全性、责任和伦理问题。为了促进协作和透明的环境，该研究由来自牛津大学的科学家与来自非洲、美洲、亚洲、澳大利亚和欧洲的学术界、工业界和政策组织的同事共同合作完成。
到目前为止，医疗领域的人工智能应用主要集中在个体患者护理上，例如改进临床诊断、精准医学或支持临床治疗决策。然而，这篇综述考虑的是人工智能在人群健康中的应用。研究表明，近年来人工智能方法的进步即使在数据有限的情况下也表现出色——这是长期以来的一个主要瓶颈。在嘈杂和有限的数据上表现更好，为高收入和低收入国家开辟了新的领域，使人工智能工具能够在更广泛的范围内改善健康状况。
牛津大学大流行科学研究所的首席作者莫里茨·克拉默教授表示：“在未来五年内，人工智能有潜力彻底改变大流行病的准备工作。它将帮助我们更好地预测疫情爆发地点及其轨迹，利用常规收集的气候和社会经济数据（以太字节计）。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，预测疾病爆发对个体患者的影响。”
他补充道：“这些进步如果能整合到各国的大流行响应系统中，将有可能拯救生命，并确保世界为未来的疫情威胁做好更好的准备。”
研究确定了人工智能在大流行准备方面的机会，包括：
- 改善当前疾病传播模型的有希望的进展，旨在使建模更加稳健、准确和现实。
- 进展在于识别高传播潜力区域，从而确保有限的医疗资源以最有效的方式分配。
- 提高疾病监测中的基因数据质量，最终加速疫苗开发和新变种的识别。
- 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。
- 预测已流通病原体（如SARS-CoV-2和流感病毒）的新变种可能出现的情况，以及哪些治疗方法和疫苗在减少其影响方面最佳。
- 可能将群体层面的数据与个人层面的数据来源（包括心率和步数等可穿戴技术）结合起来，以更好地检测和监控疫情。
- 人工智能可以在高度技术化的科学与培训有限的医护人员之间创造一个新的接口，提高最需要这些工具的环境中的人力资源能力。
然而，并不是所有大流行准备和响应领域都会受到人工智能进步的同等影响。例如，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，而基础模型的进步可能只会在现有方法上提供适度的改进。
科学家们警告不要认为仅靠人工智能就能解决传染病挑战，但将人类反馈整合到人工智能建模工作流程中可能会克服现有局限。
研究作者埃里克·托波尔教授（MD），斯克里普斯研究转化研究所的创始人兼主任表示：“虽然人工智能在减轻大流行病方面具有显著的变革潜力，但它依赖于广泛的全球合作和全面、持续的监控数据输入。”
研究首席作者萨米尔·巴特（来自哥本哈根大学和伦敦帝国理工学院）表示：“传染病暴发仍然是一个持续的威胁，但人工智能为政策制定者提供了一套强大的新工具，以指导何时及如何干预的明智决策。”
作者建议建立严格的基准来评估人工智能模型，倡导政府、社会、工业和学术界之间的强大合作，以实现可持续和实用的模型发展，从而改善人类健康。
(全文结束)
