来自牛津大学和流行病科学研究所的研究人员与世界各地的同事合作，在《自然》杂志上发表了首篇此类研究，概述了人工智能如何革新传染病研究并挽救更多生命。
该研究首次描述了人工智能的发展如何加速传染病研究和应对疫情爆发的发现。研究重点关注了在传染病研究中部署和使用人工智能时的安全性、责任性和伦理问题。该研究是在AI行动峰会之后发布的，并在全球范围内对人工智能投资和监管的辩论日益激烈之际进行的。
这项由PSI和牛津大学科学家及其来自非洲、美洲、亚洲、澳大利亚和欧洲的学术界、工业界和政策组织的同事合作的研究，呼吁在数据集和AI模型方面建立一个透明和合作的环境。
迄今为止，医学领域的人工智能主要用于改善个体患者的护理，例如支持临床治疗决策、提高临床诊断或实践精准医疗。而本综述则探讨了人工智能在群体健康中的应用。研究表明，尽管数据不足，但最近的人工智能方法在处理噪声和稀疏数据方面的表现越来越好，从而找到了新的应用。这些工具在高收入和低收入国家中都有助于提高健康水平。
“在未来五年内，人工智能有潜力彻底改变大流行病的准备。它将帮助我们更好地预测疫情爆发的地点和轨迹，利用大量常规收集的气候和社会经济数据。此外，通过研究免疫系统与新兴病原体之间的相互作用，人工智能还有可能预测疾病爆发对个体患者的影响。”牛津大学流行病科学研究所教授、该研究的主要作者Moritz Kraemer表示。
Kraemer补充说：“如果将这些进展整合到各国的大流行病应对系统中，将有可能拯救生命，并确保世界更好地应对未来的流行病威胁。”
该研究发现了以下人工智能和大流行病准备的机会：
然而，人工智能的进步对大流行病准备和响应各方面的影响并不均匀。例如，基础模型的进步可能仅对当前建模病原体传播速度的方法提供微小的改进，而蛋白质语言模型在加速理解病毒突变如何影响疾病严重性和传播方面具有巨大潜力。
虽然将人类反馈整合到人工智能建模工作流程中可能有助于克服当前的局限性，但科学家们警告不要假设人工智能本身就能解决传染病挑战。
作者的主要担忧是训练数据的质量和代表性、人工智能模型对公众的有限可用性以及使用黑盒模型进行决策可能带来的风险。
“虽然人工智能在大流行病缓解方面具有显著的变革潜力，但这依赖于广泛的全球合作和全面、持续的监测数据输入。”牛津大学教授Eric Topol表示。Eric Topol也是斯克里普斯研究转化研究所的创始人和主任。
“传染病爆发仍然是一个持续的威胁，但人工智能为政策制定者提供了强大的新工具，以指导何时以及如何干预的明智决策。”哥本哈根大学的Samir Bhatt表示。
作者倡导学术界、工业界、社会和政府之间建立强有力的伙伴关系，以开发可持续且有用的模型来改善人类健康。他们还提出了严格的标准来评估人工智能模型。
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，全文内容涉及AI跨语种自动翻译。如有侵权请联系我们删除。