AI新工具革新传染病预测，精准应对流感和新冠变异挑战

约翰霍普金斯大学和杜克大学的研究人员开发了一种名为PandemicLLM的新AI工具，有望彻底改变公共卫生官员预测、追踪和管理传染病暴发的方式。这种工具尤其在流感和新冠病毒等疾病的暴发中表现出色。 研究人员之一、来自约翰霍普金斯大学的劳伦·加德纳（Lauren Gardner）表示，在新冠病毒疫情期间，他们面临的一大挑战是如何预测疾病传播，因为这涉及多种复杂且不断变化的因素。当条件稳定时，现有模型表现尚可；但当新的病毒变种出现或政策发生变化时，这些模型就显得力不从心了。PandemicLLM则填补了这一空白，它能够考虑到近期感染高峰、新变种和口罩使用政策等多重因素，从而更准确地做出预测。 这项研究发表在《自然计算科学》杂志上。研究人员首次利用大型语言模型（LLM），即生成式AI技术（最著名的应用如ChatGPT），来预测疾病传播。PandemicLLM不仅可以处理数据，还能“推理”疾病的发展趋势。研究团队为模型输入了多种信息流，包括从未在疾病预测工具中使用过的数据，发现该工具能够在1到3周内准确预测疾病模式和住院趋势，并且表现始终优于其他方法，甚至超过CDC COVIDHub中表现最好的模型。 测试过程中，研究团队将PandemicLLM应用于新冠疫情的历史数据，分析了19个月内的每个美国州的数据。结果显示，当疫情处于波动状态时，新工具表现尤为出色。另一位作者郝·杨（Hao "Frank" Yang）指出，传统的预测方法依赖于历史数据，但这不足以让模型理解当前正在发生的状况。相比之下，PandemicLLM框架利用实时信息类型，使得预测更加精准。 该模型主要依赖四大类数据：感染情况、公共政策、社会行为和其他相关因素。通过处理这些信息，模型可以预测不同因素如何共同作用，影响疾病的传播动态。未来，这一工具可以适应任何类型的传染病，包括禽流感、猴痘和RSV。 目前，研究团队正在探索LLMs能否模拟个人在健康决策中的行为，希望借助这样的模型帮助政府设计更安全、更有效的防控政策。“我们从新冠中学到了需要更好的工具来支持更有效的政策制定，而这样的框架将在未来的疫情应对中发挥关键作用。”加德纳说。