如果科学家能够在疫情开始之前就预测到其发生的可能性，那会怎么样？如果我们能够预防新兴威胁，而不是在疫情爆发后才匆忙应对，那又会怎么样？
在过去的一年中，马尔堡病毒、猴痘和禽流感（H5N1）等疾病的爆发凸显了加强准备以防止未来疫情的必要性。虽然世界仍在应对COVID-19的长期影响，但科学家们正致力于充分发挥人工智能在全球卫生安全中的潜力，通过AI驱动的建模和预测分析，希望预见潜在的疫情爆发，评估风险因素，并创建可以挽救生命的早期预警系统。
例如，佛罗里达大学新兴病原体研究所的研究人员发布了一种算法，能够预测当前流行的COVID-19变种中哪一种最有可能在未来三个月内成为主导。该算法用于发现新的值得关注的变种，并且在疾病控制与预防中心正式命名这些变种之前的整整10周内，正确地识别出了11个变种。
通过训练这些算法处理公开可用的SARS-CoV-2基因序列，科学家们可以继续预测哪些突变将对公共健康构成最大威胁。
然而，AI在实验室中的潜力远远超出了COVID-19的范畴。当应用于其他传染病如艾滋病时，AI驱动的模式识别可以揭示影响治疗和结果的风险因素，甚至定位传播仍然顽固高发的地区。
在COVID-19大流行之前的几个月，全球变化研究已经展示了AI在预测病毒出现趋势方面的潜力，以期战胜下一次疫情。通过构建的数据集和经验学习，AI在跨物种传播的应用被用来理解人畜共患病的传播，主要是媒介传播的疾病，以及全球变化对疾病出现和传播的影响。
传染病研究可以利用新旧数据来回答有关预测新兴病原体的基本计算问题。这些研究是多学科的，涉及多个科学家团队，他们正在更深入地了解宿主-病毒网络，以及数据流利性和知识转化。
鉴于当今处理的数据量巨大，迫切需要提高用于分析这些数据的技术质量，并向更广泛的科学界传达这一需求。将AI整合到传染病研究中强调了增强未来研究能力的必要性，这意味着在所有类型的病原体相关科学研究中推动科技进步。
例如，像炭疽这样的细菌性疾病也受益于AI增强的检测技术。在美国西南德克萨斯州，动物与景观的互动导致炭疽传播，机器学习在这方面发挥了重要作用。研究人员正在开发一种基于AI的模型，可以根据最初几个月的动物病例情况预测疫情爆发的可能性。目标是在两个月前就能确定疫情爆发的可能性。
佛罗里达州是美国农作物生产的顶级州之一，并为气候相似地区的疾病管理提供了范例。全球植物健康也可以从AI提供的智能解决方案中受益。农民可以使用AI设计和建立智能农业系统，专门用于疾病管理和减少灾害对农业系统的影响。农业工作者可以使用AI模型支持食品安全并优化种植者工具消毒和轮作的方法。
通过向AI模型输入几十年的数据，算法逐渐熟悉不同水平的绿色度，这对应于某一区域的不同植被数量。在向算法展示部分模式后，研究人员教它找到前几年的匹配项，然后填补不完整数据的空白，以对未来几年的情况进行预测。
这些应用只是个开始。AI在检测和预防疾病方面的潜力是无限的，使我们能够以积极主动而非被动反应的方式应对公共卫生问题。预防下一次大流行的斗争可以有所不同。
Marco Salemi博士是佛罗里达大学新兴病原体研究所的临时主任，也是佛罗里达大学医学院病理学、免疫学和实验室医学系的教授。
(全文结束)