新AI工具PandemicLLM超越传统方法，精准预测传染病动态

一款新的人工智能工具——PandemicLLM，由约翰霍普金斯大学和杜克大学的研究人员开发，可能彻底改变公共卫生官员预测、追踪和管理包括流感和COVID-19在内的传染病疫情的方式。这项研究发表在《自然计算科学》杂志上。 PandemicLLM 利用大型语言模型（LLM）技术，类似著名的 ChatGPT，来预测疾病的传播。传统的疫情预测方法主要依赖数学模型，而 PandemicLLM 则能够像人类一样进行推理，考虑多种输入因素，如近期感染激增、新变种出现和口罩政策等。研究团队将各种数据流，包括之前从未用于疫情预测的信息，输入模型中，发现 PandemicLLM 能够精确预测未来一到三周的疾病模式和住院趋势，并且在性能上远远超越现有的其他方法，包括美国疾控中心（CDC）的 COVIDHub 上表现最好的模型。 PandemicLLM 主要依靠四类数据：实时感染数据、变异信息、政策变更和社交媒体反馈。通过综合这些信息，该模型可以预测不同因素如何共同作用影响疾病发展。研究团队在 COVID-19 疫情期间对每个美国州的数据进行了长达19个月的回溯测试，结果显示，当疫情情况不断变化时，PandemicLLM 的预测准确度尤其高。 约翰霍普金斯大学的助理教授兼系统工程专家 Hao "Frank" Yang 表示，传统方法仅靠历史数据来预测未来是不够的，因为这无法提供足够的信息帮助模型理解和预测实际正在发生的情况。PandemicLLM 通过引入新的实时信息，改善了这一点。 PandemicLLM 的开发者之一、约翰霍普金斯大学的 Lauren Gardner 也指出，预测疾病传播的一个重要挑战在于确定是什么驱动了感染和住院人数的激增，并将这些新的信息流纳入建模。她认为，未来将会有新的疫情爆发，这类预测框架对于支持公共卫生响应至关重要。 目前，研究团队正在探索 LLM 如何模拟个人的健康决策，希望这种模型能够帮助官方设计更安全、更有效的政策。根据 Gardner 的说法，从 COVID-19 的经验来看，我们需要更好的工具来制定更有效的政策，以便在未来的疫情中更好地保护公众健康。 业内人士表示，PandemicLLM 在疫情预测领域的创新性突破展示了人工智能技术在公共卫生领域的重要应用前景。约翰霍普金斯大学和杜克大学在这一领域的长期研究和合作，为抗击传染病提供了强大的技术支持。