人工智能可以监测疾病爆发，并能帮助我们为未来的疫情做好准备。2024年8月，世界卫生组织（WHO）更新了可能引发下一次大流行的病原体名单，增加到30多种。这些微生物因其高传染性和致病性而被选中，但疫苗和治疗手段有限。虽然某些病原体可能永远不会导致疫情，但病原体数量的增长突显了预测和控制传染病传播的新工具的需求。
认识到AI在为未来大流行做准备中的作用，美国疾病控制与预防中心（CDC）的预测和爆发分析中心于2023年推出了Insight Net网络，希望结合机器学习和AI技术，提升对传染病爆发的分析能力。同样，WHO的疫情智能中心也在努力将AI应用于监测项目。
哈佛医学院（HMS）和牛津大学的研究人员开发了一种名为EVEscape的AI工具，该工具基于现有的生成模型EVE，可以预测不会干扰病毒功能的蛋白质突变，并加入病毒的生物和结构细节。研究表明，EVEscape在预测SARS-CoV-2变异方面与高通量实验扫描一样准确，并适用于流感、HIV和其他具有大流行潜力的病毒。研究人员继续利用EVEscape预测SARS-CoV-2的未来变异，并发布每周两次的变异报告，同时扩展研究范围至其他潜在大流行病原体。
除了预测病毒如何演变，AI还可以帮助追踪和控制疫情。早期预警系统从AI算法中受益匪浅，这些算法可以快速准确地分析文本信号，检测传染病事件。一项研究使用开源数据平台EPIWATCH，分析俄乌冲突对传染病流行病学的影响。冲突情况下，公共卫生监测中断增加了疫情风险。研究发现，AI驱动的开源情报系统可以在正式监测减少的情况下提供有价值的信息，帮助实时决策。
休斯顿大学的工程师团队开发了一个AI工具，用于识别与航空交通相关的感染热点。这项研究发表在《科学报告》期刊上，使用图神经网络（GNN）框架Dynamic Weighted GraphSAGE来分析航空交通对疾病传播的影响。研究表明，航空交通显著推动了COVID-19的传播。通过敏感性分析，研究人员观察到传播模式的变化，发现西欧、中东和北美地区对这些变化最为敏感，因此对病毒传播影响最大。
“我们的模型可用于为政策制定者提供数据驱动的工具，评估旅行限制对空气传播疾病扩散的影响，”休斯顿大学电气与计算机工程系副教授Hien Van Nguyen博士表示。该模型不仅可以用于航空交通决策，还可以帮助识别高影响区域，量化策略的效果，从而更有效地部署资源和加强医疗基础设施。
展望未来，量子计算、生物传感器、增强智能和大型语言模型等新兴技术预计将在传染病监测中发挥越来越重要的作用。尽管AI在改进监测基础设施方面取得了进展，但仍需克服数据库代表性不足和预测不可推广等问题。此外，数据隐私也是使用AI进行传染病监测的重要考虑因素。AI将继续改善疾病监测基础设施，但未来的大流行仍有可能发生。AI在新冠疫情期间的经验表明其在此领域的效用，但它无法替代集体智慧在预防新兴传染病中的作用。大流行准备仍需依赖协作监测网络的共同努力。
(全文结束)
