當涉及傳染病時，預防，監(jiān)測和快速反應的努力可以大大減緩疫情的爆發(fā)或延緩疾病的爆發(fā)。但是，隨著人工智能和機器學習成為全球醫(yī)療保健系統(tǒng)越來越重要的組成部分，一種新的戰(zhàn)略正在與傳染病作斗爭。

越來越多的科學家正在開發(fā)使用人工智能(AI)來預測傳染病蔓延的方法。盡管該過程非常復雜，但是成功實施預測模型可能代表著在消除世界上最隱蔽的傳染病的斗爭中的重大飛躍。

盡管還有很長的路要走，但公共衛(wèi)生官員和流行病學家已經(jīng)開始看到一些好處。

使用AI算法的最早方法之一是幫助公共衛(wèi)生官員調(diào)整其預防和公眾意識工作。

“目前已有許多模型可以幫助回答有關(guān)在各種情況和疾病中應該篩查誰的問題，”工業(yè)和工業(yè)助理教授Sze-Chuan Suen博士說。南加州大學維特比工程學院的系統(tǒng)工程專業(yè)。

現(xiàn)在，Suen和其他人正在努力實現(xiàn)更宏偉的目標。他們不只是確定高危人群，還致力于計算公共衛(wèi)生宣傳目標的最佳組合，從而對總體人口產(chǎn)生盡可能廣泛的影響。

Suen是USC團隊的成員之一，該團隊開發(fā)了一種算法來幫助公共衛(wèi)生機構(gòu)量身定制其外展工作，以實現(xiàn)最大的成本效益。Suen及其同事使用關(guān)于印度預防結(jié)核病和美國預防淋病的真實數(shù)據(jù)測試了他們的算法。

Suen表示，該模型能夠更好地考慮人類行為和疾病傳播中不那么明顯的模式，從而使公共衛(wèi)生官員對特定人群最能從特定交流中受益的情況有了更為精細的了解。

Suen在與該研究于2018年發(fā)布相關(guān)的新聞稿中說：“雖然有很多方法可以識別用于健康宣傳運動的患者人群，但很少有人考慮不斷變化的人群模式與疾病動態(tài)之間的相互作用。

”如果采用目前的策略，可以預防8000例TB和20,000例淋病。

在其他疾病狀態(tài)(例如艾滋病毒)中也發(fā)現(xiàn)了類似的結(jié)果。早在2014年，英國的研究人員就試圖使用算法來更好地定位未意識到其疾病狀況的HIV感染者。當時，那里的公共衛(wèi)生部門懷疑大約四分之一的英國艾滋病毒感染者不知道自己感染了該病毒。

來自英國和美國的跨大西洋團隊使用統(tǒng)計模型評估了測試和治療策略，并確定一種優(yōu)化的方法可以預防5%的新感染，即使艾滋病毒感染者的行為沒有改變。

同樣，2017年的一項研究根據(jù)可用預算的大小，使用模型和模擬來提出最佳的丙型肝炎病毒(HCV)預防措施。研究人員發(fā)現(xiàn)，有了10億美元的預算，公共衛(wèi)生資金的最佳利用就是完全專注于治療，重點放在早期治療上。但是，如果預算為50億美元，更好的計劃是先將預算的60%用于篩查，將其余的預算用于治療，但在第三年將篩查撥款降低到僅20%。

從某種意義上說，隨著越來越多的醫(yī)學信息被數(shù)字化并轉(zhuǎn)化為可用數(shù)據(jù)，進行預測的工作將變得更加容易。但是，Suen指出，在可以使用哪些數(shù)據(jù)方面存在限制。

她說：“顯然，更多的數(shù)據(jù)將是有用的，但這需要通過隱私和成本方面的考慮加以平衡。”

如果根據(jù)人類行為提出有意義的傳染病預測具有挑戰(zhàn)性，那么當科學家嘗試使用AI和機器學習來預測非人類的模式和潛在爆發(fā)時，問題就變得更加復雜。