The Innovation Medicine | 当传染病遇到人工智能：进展与挑战

TheInnovation创新

2024-11-01 00:00发布于浙江

Video1 文章解读

近年来，尽管人工智能（AI）在众多领域取得突破性的进展，其在传染病研究与防控领域的突破性进展却尚显不足。鉴于此，本综述旨在全面梳理并展现传染病领域内AI研究与应用的最新前沿动态，构建AI科学家与传染病专家之间的紧密合作桥梁，以期充分挖掘并释放AI在传染病防控中的巨大潜力。

导读

过去十年间，传染病大流行频发，对全球公共卫生体系构成严峻挑战，亟需创新防控手段。随着人工智能（AI）技术的迅猛发展与生物数据量的激增，传染病研究迎来了前所未有的机遇。然而，AI科学家与传染病专家间的隔阂制约了AI潜力的充分释放。本文致力于搭建跨界桥梁，全面剖析AI在传染病防控全链条的进展、面临的挑战及未来发展方向。

图 1 图文摘要

传染病防控是一项复杂的系统工程，贯穿预警至诊疗全程。AI技术的迅猛崛起，正引领传染病防控技术的深刻变革。本文将沿着传染病暴发的时间线，探讨AI如何在大流行前、早期大流行、大流行期和周期性流行四个阶段（图1）中发挥重要作用，着重阐述传染病防控问题生物学特征与AI技术原理之间的深层关联。

大流行前：构建智能预警网络

AI技术正在变革传统的疾病监测方法，推动构建起多维度的智能预警网络。此网络巧妙融合互联网大数据、环境监测数据与生态系统信息，实现了对潜在疫情信号的多维度精准捕捉。AI赋能的预警机制，不仅显著提升了预测的准确性与速度，还拓宽了人类监测潜在威胁的视野，囊括了人群行为模式的微妙变动乃至环境生态系统的宏观变迁。此全方位监测体系极大增强了公共卫生系统对新发传染病的早期感知与预警能力，为迅速部署防控策略赢得了宝贵的响应时间。然而，这一阶段面临的主要挑战是数据的可用性、质量和整合。大规模、多源、异构数据的收集和处理需要跨部门、跨学科的协作，同时还需要解决数据隐私和安全问题。此外，如何在海量数据中识别真正有价值的信号，避免误报和漏报，也是疾病监测领域需要持续优化的方向。

图 2 人工智能技术在传染病防控的全周期应用

大流行早期：增强疫情监测能力

在这一阶段，AI技术的核心价值在于提供前瞻性的洞察和预警。通过将AI与病原进化理论、流行病学模型相结合，研究人员正在开发出能够预测病原变异趋势、评估传播风险的新一代监测预警模型。这些模型不仅能识别潜在的高风险变体，还能模拟不同干预措施的效果，为决策提供科学依据。AI驱动的监测系统正在改变我们应对疫情的方式，从被动响应转向主动预防。

这一阶段的主要挑战在于模型的实时性和准确性。病原体的快速进化和复杂的传播动态要求模型能够快速迭代和自我调整。同时，如何在有限的早期数据基础上做出可靠的预测，平衡模型的敏感性和特异性，也是亟待解决的关键问题。

大流行期间：赋能诊断与防控

AI在大流行期间的应用体现了技术与临床实践的深度融合。AI正逐步渗透医疗与公共卫生领域，从辅助诊断到预后评估，再到策略优化，成为医疗工作者与决策者的智慧伙伴。尤为瞩目的是，AI引领的多模态学习及动态网络分析技术，为个体化医疗与精准防控铺设了创新之路。这些前沿技术不仅优化了医疗资源配置，更以数据为基，赋能制定更加靶向明确的防控策略，推动公共卫生体系向更高效、更个性化的方向迈进。然而，AI技术在临床和公共卫生实践中的广泛应用也带来了一系列挑战。首要问题是确保AI系统的可解释性和可信度，这对于医疗决策至关重要。其次，如何在保护个人隐私的同时最大化数据的利用价值，也是一个需要慎重考虑的问题。此外，AI系统的公平性和普适性，即确保其在不同人群和医疗环境中都能发挥作用，也是亟待解决的问题。

周期性流行：深化致病机制研究

AI技术在这一阶段的应用标志着人类对传染病认知的新高度。AI正深度融合多组学数据与临床信息，精心编织出更为全面且动态的疾病模型图景。特别是在探索宿主易感性与病原致病机制的奥秘时，AI以其卓越的数据挖掘与模式识别能力脱颖而出。这些研究不仅深化了科学界对疾病本质的洞察，更为创新预防与治疗策略的设计提供启发。这一阶段的主要挑战在于如何将AI的发现转化为可执行的临床和公共卫生干预措施。此外，多组学数据的高维度和复杂性也对AI模型的设计和训练提出了更高的要求。如何在保持模型复杂性的同时确保其生物学解释性，是未来研究需要重点关注的问题。

总结与展望

AI技术在传染病防控领域展现出巨大潜力，但仍面临数据可用性、模型可解释性、隐私安全等挑战。展望未来，AI技术与生物学的深度融合有望彻底改变传染病研究和防控范式。我们有望构建起一个从分子、细胞到人群水平的多维度传染病动态预警防控系统。这个系统将整合分子组学、临床医学和流行病学等多个领域知识，通过AI的强大计算推理能力，实现对传染病的精准化解析建模。在这一新范式下，生物学知识指导AI模型的设计和优化，而AI技术为生物学研究提供新的工具和视角，这种良性循环将大大加速传染病的预测预警及防控策略的制订和实施。

责任编辑

刘佳雨解放军总医院

刘恒炜武汉大学中南医院

https://www.the-innovation.org/article/doi/10.59717/j.xinn-med.2024.100091

本文内容来自The Innovation姊妹刊The Innovation Medicine第2卷第4期以Review发表的“Harnessing the power of artificial intelligence to combat infectious diseases: Progress, challenges, and future outlook” (投稿: 2024-05-25；接收: 2024-08-06；在线刊出: 2024-09-04)。

DOI：https://doi.org/10.59717/j.xinn-med.2024.100091

引用格式：Zhou H., Li Y., Li J., et al., (2024). Harnessing the power of artificial intelligence to combat infectious diseases: Progress, challenges, and future outlook. The Innovation Medicine 2(4)，100091.

作者简介

吴爱平 中国医学科学院系统医学研究院、苏州系统医学研究所研究员，北京协和医学院博士生导师。研究方向为传染病生物信息学，专注于开发基于进化推断和机器学习相融合的计算方法，进行新发突发病毒的变异监测、趋势预测和疫苗设计等研究，进而推动疾病的前瞻性预防控制。获得“全国科技系统抗击新冠肺炎疫情先进个人”、中华医学科技奖二等奖和江苏省“双创人才”等奖励。已经在《Cell Host & Microbe》等刊物发表论文80多篇，最高单篇被引2800多次。国家健康科普专家库成员，兼任农工党江苏省委会公共卫生工作委员会委员、中国生物物理学会生物医学信息分会秘书长以及苏州系统医学研究所高通量测序和高性能计算平台主任等。

周航宇 中国医学科学院系统医学研究院/苏州系统医学研究所副研究员，从事传染病信息学研究。担任中国微生物学会病毒学专业委员会青年委员会委员，中国疫苗行业协会疫苗基础研究专委会委员。近5年来，在病毒大数据的高通量分析算法开发及功能疫苗的理性设计和研制方面取得多个原创性突破。以第一作者（含共同）或通讯作者在Cell Host & Microbe、Cell Research、Nature Communications等学术刊物上发表论文15篇。主持多项省部级科研项目。这些研究不仅为病毒进化及疫苗研发提供了新的研究思路，还进一步推进分子病毒学和生物信息学的交叉融合。

往期推荐