提前一周准确预测流感，中国首个AI流感实时预测模型登上《柳叶刀》子刊

来源：Pixabay

近日，《柳叶刀 (The Lancet)》子刊 EBioMedicine 发表了一项中国科学家应用自适应 AI 模型和多源数据，预测重庆市流感活动度的研究，这是中国首个基于 AI 和大数据的流感实时预测模型，也是 AI 在传染病预测领域中非常有影响力的成果。

该研究成果由平安科技、平安智慧城市与重庆市疾病预防控制中心、陆军军医大学和清华大学联合完成。

众所周知，流感持续威胁着全球公共卫生安全。季节性流感每年导致全球数亿人发病，数十万人死亡。此外，流感病毒基因持续变异，全球流感大流行的风险持续存在。

对流感活动进行监测和预测，并及时作出相应防控准备，对于季节性流感和流感大流行的防控至关重要。然而，传统流感监测由于数据的报送、整理和统计处理需要时间，流感活动水平相关的指标往往滞后一到两周才能获得，这对流感这个急性呼吸道传染病的防控是十分不利的，有时会导致错过疫情控制的最佳时机。为解决流感活动指标数据的滞后问题，在过去十多年中，人们对流感活动的预测进行了大量探索。其中，谷歌流感趋势（Google Flu Trends）开创了利用谷歌搜索数据预测流感活动水平的新格局。此后，包括互联网搜索数据、流感监测数据、Twitter 上与流感相关的帖子、维基百科访问日志和电子健康记录在内的多源电子数据与数学模型相结合，具有非常好的疾病跟踪和预测效果。

然而，许多此类研究是在国家层面进行的，其预测结果很难转化为可供地方卫生官员做出更好决策的可操作信息。局部地区，比如一个城市的流感活动并不等同于国家层面的情况。因为，受地区特定天气变化、经济和社会活动、人口免疫和个人习惯等因素影响，局部地区的流感疫情往往表现出更加多样化的流行模式。

如今，已有一些研究在纽约、墨尔本、香港等城市建立了流感预测模型，做了很多有价值的探索和尝试。但是目前在流感活动无规律的城市地区进行流感活动度预测，仍然缺乏较高精度的有效方法。因此，一种更加科学、更加智能的流感预测方法已经成为实施流感疫情防控的迫切需要。

为了解决这一关键的公共卫生问题，课题组利用重庆地区多源数据，包括卫生系统的流感监测数据如流感样病例（ILI）数据，以及外源性的天气数据、互联网搜索数据、舆情等数据，融合多种前沿人工智能算法，创新性地建立了一个自适应人工智能模型 (Self-adaptive AI Model，SAAIM)，对重庆地区 2014-2017 年总体流感活动水平进行了回顾式预测，并对重庆地区 2018 年的流感活动水平进行了实时预测，可提前一周准确预测流感活动，在实际应用中验证了模型的有效性。

研究人员表示，重庆是一个流感活动极不规律的典型城市，这种不规律性给流感预测带来了极大挑战。

理论上，该模型融合人工智能算法建立自适应模型，动态调整参数，可准确捕捉流感疫情变化中的规律性的一面和不规律性的一面。在实际应用上，及时可靠的流感预测，可以帮助政府机构对公共卫生资源进行科学的、前瞻性的配置，使得医疗卫生机构能够在流感疫情高峰来临前做好准备，提高疾病防控效率、降低政府医疗财政负担和个人疾病经济负担。

研究人员表示，这是我国第一个基于人工智能和大数据的流感实时预测模型，可以为季节性流感趋势不规律的城市提供准确的实时流感预测。

AI已经广泛应用于生物医药产业。不久前，澳大利亚弗林德斯大学的研究团队利用AI技术研制出一种名为“涡轮增压”的流感疫苗，这种疫苗可以刺激人体免疫系统产生更多的抗流感病毒抗体。团队首席专家、弗林德斯大学医学教授尼古拉·彼得罗夫斯基称，这是全球首个进入人体试验阶段的完全由人工智能研制的流感疫苗。

通常情况下，要研制一种疫苗，医药公司要筛选数百万种化合物，需要数千人连续工作5年，耗费高达数亿美元。而在人工智能技术的帮助下，彼得罗夫斯基带领的小型科研团队只用大约两年时间就开发出了这种疫苗。

研究团队首先设计了一套名为“萨姆”的智能算法，其能够学习现有成功的疫苗和失败的案例，以判别疫苗对流感是否有效。然后，他们又创建了另一套能够创造出数万亿个虚拟化合物的智能程序，彼得罗夫斯基将其称作“疯狂的化学家”。“萨姆”与“疯狂的化学家”协同工作，提出了最有效的疫苗选项。

编辑：沈湫莎

责任编辑：任荃

来源： DeepTech深科技、MIT科技评论、科技日报