休斯顿大学的一支工程师团队在《自然》杂志上发表了一项研究，探讨国际航空旅行如何影响COVID-19在全球的传播。通过使用新开发的人工智能工具，该团队识别出与航空交通相关的感染热点，确定了对疾病传播贡献显著的关键区域。
分析结果显示，西欧、中东和北美是推动疫情发展的主要地区，这些地区由于大量国际航班的起降或中转而成为高风险区。
“我们的工作提供了一个基于深度学习的强大工具，用于研究全球疫情，并对政策制定者在未来的疫情暴发期间制定有关航空交通限制的明智决策具有关键意义，”休斯顿大学电气与计算机工程系副教授阮贤文（Hien Van Nguyen）说。
阮贤文及其团队开发了一种名为“动态加权图SAGE”的计算机程序，该程序可以帮助分析不断变化的大数据网络，如航班时刻表，以发现模式和趋势。“它研究时空图，即不同地点和时间之间的联系，以更好地理解这些联系如何影响疾病传播或交通模式，”阮贤文解释道。
为了了解航空旅行如何影响感染的传播，阮贤文和他的研究生阿卡什·阿瓦斯提（Akash Awasthi）和赛义德·里兹维（Syed Rizvi）对其模型进行了小幅度的更改（扰动分析），以测试其对不同因素的敏感度，并分析了不同地区和国家之间的航班连接。
这帮助他们分析了哪些航空交通部分对病毒传播的影响最大，以及在高度敏感地区减少哪些航班可以有效降低预测的全球病例数。
“我们提出了可以显著控制疫情的航空交通减少策略，同时对人类流动性的影响最小，”阮贤文说。“包括大幅减少西欧航班在内的政策预计会大幅减少全球COVID-19病例。这项工作代表了在时空图神经网络上使用扰动分析的新颖应用，以获得对疫情预测的洞察，”他补充道。
尽管这些发现源自COVID-19的背景，但阮贤文表示，所获得的见解可以推广到任何疫情。
该项目的其他研究人员来自休斯顿卫理公会研究所。
(全文结束)
