人工智能如何在病毒人际传播前识别下一种危险病原体，是《柳叶刀-传染病》新发表评论文章的核心议题。研究人员探讨了人工智能结合"同一个健康"方法如何助力提升预测与监测能力。
"人工智能本身无法预防大流行病，但这项技术能成为现有知识和方法的有力补充。我们越善于整合人类、动物和环境的数据，准备就越充分，"评论作者之一、丹麦技术大学国家食品研究所教授弗兰克·默勒·阿勒斯特鲁普（Frank Møller Aarestrup）表示。
该评论由荷兰伊拉斯谟医学中心教授玛丽昂·库普曼斯（Marion Koopmans）共同撰写。她警告说，一旦疾病开始传播，控制难度极大。
"所需干预措施极为严厉——正如我们在新冠疫情期间所见。正因如此，在病原体站稳脚跟前及时发现至关重要，"库普曼斯指出，新发疾病一旦确立，可能成为持续性挑战，新冠疫情已充分证明这一点。
作者团队还包括匈牙利罗兰大学（Eötvös Loránd University）、意大利博洛尼亚大学和英国动植物卫生署的专家。他们基于多年合作经验，聚焦VEO联盟——这一欧洲研究计划致力于开发数据驱动工具，用于检测和追踪新发传染病，推动"同一个健康"方法在疫情应对中的应用。
大流行病多源于动物
SARS-CoV-2、禽流感和猴痘等疾病的暴发，凸显了控制新型潜在流行病的困难。许多病原体源于动物，但其向人类溢出的时间和地点难以预测。
评论作者强调，气候变化、集约化动物养殖以及人类对自然栖息地的侵扰，增加了所谓"溢出事件"风险——即病原体从动物跨越至人类，并在最坏情况下演变为流行病。
溢出事件常被喻为火花：多数自行熄灭，少数却会引发失控蔓延的大火。团队正通过大数据方法研究如何尽早检测此类事件。
人工智能可揭示复杂数据集的模式
人工智能能帮助分析来自气候、土地利用、动物养殖、交通、人口流动及社会经济等多源数据集。当整合这些数据时，AI可识别出人工难以察觉的模式。
"人工智能能帮助我们确定全球哪些区域需加强地理监测，以及特定动物物种、废水或人类中的监测重点。通过这种方式，我们可将资源优先投向风险最高的'热点'区域，"阿勒斯特鲁普解释道。
基因信号作为早期预警
一旦预测出此类热点，宏基因组测序可作为"全覆盖"方法检测已知和新型病原体。宏基因组测序指对废水、空气、食品或环境样本中的遗传物质进行分析，日益广泛用于洞察已知与未知微生物的多样性。许多已识别的基因片段尚未完成特征描述。
"测序样本时，我们可能发现数百万基因片段。多数类似熟悉无害物质，但仍有数千未知片段。此时人工智能能识别模式并指出潜在危险，"阿勒斯特鲁普说明。
当确认存在潜在病原体后，需评估其危险性。动物病毒能否感染人类、传播并致病的潜力，部分嵌入其遗传编码中。基于AI的工具可预测突变如何改变病毒特性。
"该领域进展巨大。基于AI的蛋白质模型能预示突变对病毒结构的影响，并转化为传播风险或重症风险评估。尽管当前仍具挑战，但我们看到AI加速风险评估的广阔潜力，"库普曼斯表示。
人工智能作为"科研伙伴"：机遇与局限
评论还描述了早期"AI科研伙伴"原型，其能完成完整研究周期——从假设生成、文献综述到数据分析与报告撰写。
"我预见AI将成为会议桌上的公认能力，与各类研究人员平起平坐。它能提供分析或建议供科学家评估，从而作为补充强化决策过程，"阿勒斯特鲁普展望道。
"这也意味着需重新思考教师与导师的未来角色：如何确保新工作方式产出可信结果？面对AI模型进步，我们能否识别错误？我们还得重返课堂。这令人振奋，"库普曼斯补充。
作者总结认为，人工智能为增强大流行病准备能力提供了引人入胜的可能性，但仍必须视为对现有经典监测与研究方法的补充而非替代。
更多信息：玛丽昂·库普曼斯等，《人工智能与同一个健康：溢出预测潜力？》，《柳叶刀-传染病》（2025）。DOI: 10.1016/s1473-3099(25)00498-0
期刊信息：《柳叶刀-传染病》
提供方：丹麦技术大学
【全文结束】
