综述：后新冠时代人工智能在传染病控制中的应用：综述

《JMIR Nursing》：Applications of Artificial Intelligence in the Control of Infectious Diseases in the Post-COVID Era: Scoping Review

AI在传染病防控中的应用及护士参与不足问题研究。本文通过系统回顾和元分析，探讨2020年后人工智能（AI）在传染病防控中的应用。研究发现，AI主要分为机器学习（用于疾病监测、风险分层）和语言模型（用于健康沟通）。然而，护士在AI相关公共卫生研究中几乎未参与。建议加强护士的AI教育及实施研究。

　　近年来，全球范围内对人工智能（AI）在公共卫生领域的应用关注度不断提升，尤其是在应对传染病防控方面。这一趋势源于新冠疫情的爆发，它不仅揭示了现有公共卫生体系的薄弱环节，还凸显了创新技术在提升疾病监测和应急响应效率方面的潜力。然而，尽管AI技术展现出巨大前景，其在实际应用中的广度和深度仍然有限，尤其是在专业参与方面存在明显不足。本研究通过一项系统性的综述，旨在梳理自2020年以来AI在传染病防控中的实际应用情况，分析其工具类型、应用目的以及主要推动者，包括护士在其中的角色。研究发现，虽然AI技术在传染病防控中已有所应用，但护士这一关键群体在相关研究中的参与度极低，这为未来的发展提出了重要挑战和机遇。

### AI在传染病防控中的应用现状

本研究对Ovid MEDLINE数据库进行了系统检索，最终筛选出10项符合纳入标准的研究。这些研究涵盖了多个国家，包括巴西、意大利、肯尼亚、巴基斯坦、中国、坦桑尼亚、卢旺达、马达加斯加、乌干达和津巴布韦，显示出AI在不同地区和国家的实施情况。研究发现，AI的应用主要分为两大类：基于机器学习（ML）的模型和基于语言的工具，如聊天机器人和大型语言模型（LLMs）。这两类工具在功能和应用场景上各有侧重。

基于机器学习的模型主要用于大规模数据分析和决策支持。这些模型通过处理结构化数据，如国家监测系统、电子健康记录和健康调查数据，实现了对传染病的早期预警、风险分层和资源分配。例如，一项研究利用机器学习算法对肯尼亚的电子健康记录进行分析，以预测HIV感染的可能性。该模型在资源有限的环境中表现出良好的预测性能，并可用于优化服务优先级和减少漏诊。另一项研究则使用XGBoost算法对中国食品传播疾病的监测系统进行了优化，以减少误报并提高对真实疫情的识别能力。这些研究表明，机器学习在传染病防控中的应用不仅提高了效率，还增强了决策的科学性和准确性。

相比之下，基于语言的AI工具更侧重于健康沟通和教育。这些工具通常通过Facebook Messenger、WhatsApp等平台进行部署，以实现实时互动和本地化信息传播。例如，巴西的一项研究开发了名为“Amanda Selfie”的聊天机器人，用于提高青少年对HIV预防措施（如暴露前预防）的认知和使用率。该工具通过使用符合目标群体语言和文化背景的交流方式，显著提升了青少年群体的参与度。此外，一项研究利用ChatGPT优化了巴基斯坦的疫苗接种同意书，使其更易于理解，从而减轻了医务人员在准备健康文件方面的负担。这些案例表明，语言模型在促进健康信息传播、提升公众参与度方面具有独特优势，尤其适合在资源有限或技术能力不足的环境中推广。

### AI在传染病防控中的主要功能

综述进一步分析了AI在传染病防控中的具体功能，发现其应用主要集中在两个方面：健康沟通与教育以及数据分析与决策支持。健康沟通方面，AI工具通过个性化信息推送、健康教育和行为干预等方式，增强了公众对疾病防控措施的理解和接受度。这些工具能够适应不同文化背景和语言环境，从而提高其在特定人群中的有效性。例如，在巴西和巴基斯坦的研究中，聊天机器人不仅提高了信息传播的效率，还帮助减轻了医务人员的负担，使得健康服务能够更广泛地覆盖目标人群。

另一方面，AI在数据分析与决策支持方面同样发挥着重要作用。机器学习算法能够处理海量数据，并从中提取复杂的模式，为公共卫生决策提供科学依据。例如，一些研究利用机器学习模型对疫情数据进行分析，以实现早期预警和精准干预。此外，AI还在资源分配方面展现出巨大潜力，能够根据患者的需求和病情，优化医疗资源的使用效率。例如，一项研究使用机器学习算法开发了一个政策学习树（PLT）模型，以优化美国在疫情期间的单克隆抗体分配策略，从而减少住院率并提高治疗效果。

### AI技术的实施与推广

尽管AI在传染病防控中展现出多种应用潜力，但其在实际推广和实施过程中仍面临诸多挑战。首先，AI技术的实施往往需要较高的技术基础设施和专业人才支持，这使得其在一些资源有限的地区难以普及。其次，AI工具的开发和应用主要集中在学术机构和政府单位，而护士等一线健康工作者的参与度较低。这不仅限制了AI在公共卫生领域的实际效果，还可能导致技术设计与实际需求之间的脱节。

研究指出，护士在全球卫生体系中占据着重要地位，约占全球卫生工作者的一半。然而，在纳入研究的10项文献中，没有发现任何与护理相关的作者，更没有护士参与研究的广泛性。这种现象表明，护理领域的专业人员在AI相关研究中的代表性不足，可能与护理教育体系中缺乏对AI和数据科学的培训有关。此外，护理领域的专家往往被排除在技术开发和决策过程之外，这可能导致AI工具在实际应用中未能充分考虑到护理工作的特点和需求。

### 护士在AI应用中的缺失与影响

护士在公共卫生领域中承担着重要的角色，包括一线护理服务、社区健康促进以及大规模健康活动的协调。然而，当前的研究和实践表明，护士在AI技术的开发和应用过程中缺乏代表性。这种缺失可能对AI工具的实际效果产生负面影响，因为缺乏护士视角的AI设计可能无法全面反映公共卫生实践中的复杂性。例如，在某些情况下，AI工具可能忽略了护理人员在患者沟通和健康教育中的关键作用，从而影响其在社区中的接受度和效果。

此外，研究还指出，护士在AI相关研究中的缺失并非局限于公共卫生领域。在其他健康科技领域，如临床决策支持和患者面向的AI应用中，护士同样面临被边缘化的风险。这表明，护理专业在数字化健康技术发展中的参与度整体较低，需要通过教育和培训来加以改善。为此，一些护理组织和机构正在推动将AI和数据科学纳入护理教育体系，以提升护理人员的技术素养和参与能力。

### 推动AI在公共卫生中的应用

为了提升AI在公共卫生领域的应用效果，研究提出了几个关键建议。首先，应加强对AI在公共卫生实践中的实施研究，以评估其在实际应用中的可行性和可持续性。这包括探索如何将AI工具整合到现有的公共卫生体系中，并进行本地化调整以适应不同地区的需求。其次，应推进护理人员在AI技术发展中的参与，特别是在健康信息系统的构建和优化过程中。通过加强护理教育和培训，可以确保AI工具的设计更加贴近护理工作的实际需求，并能够为公共卫生决策提供更全面的支持。

此外，研究还强调了AI技术在公共卫生中的潜在应用方向。例如，一些研究探索了AI在行为监测、环境监测和疾病预防中的应用，如通过无人机进行蚊子释放、利用声音识别技术确定蚊子种类等。尽管这些研究在实际应用中仍处于实验阶段，但它们展示了AI技术在公共卫生领域的多样化潜力。未来，随着技术的进步和应用的拓展，AI有望在更多方面为公共卫生提供支持，包括疾病的早期识别、健康服务的优化以及健康信息的高效传播。

### 未来展望与建议

综上所述，AI在传染病防控中的应用正在逐步扩大，但仍存在明显的局限性。首先，AI技术的应用仍主要集中在少数几种传染病，如新冠和疫苗可预防疾病，而其他高负担的传染病如结核病和疟疾的防控中，AI的应用尚未普及。其次，AI工具的实施和推广往往局限于局部或国家层面，缺乏全球范围内的协调和整合。此外，护理人员在AI技术发展中的代表性不足，这一问题亟需引起重视。

为了克服这些挑战，研究建议采取以下措施：首先，加强实施研究，探索AI工具在不同公共卫生环境中的应用效果，以确保其在实际中的可行性和可持续性。其次，推动护理人员在AI技术开发和应用中的参与，特别是在健康信息系统的构建和优化过程中。这需要通过护理教育体系的改革，将AI和数据科学纳入护理课程，以提升护理人员的技术素养和创新能力。最后，应加强跨学科合作，促进护理、医学、公共卫生和技术领域的专家共同参与AI技术的开发和应用，以确保其在公共卫生中的广泛应用和有效性。

### 结论

人工智能在传染病防控中的应用展现出巨大的潜力，为公共卫生实践提供了新的工具和方法。然而，当前的研究和实践表明，AI的应用仍存在一定的局限性，特别是在技术的普及性、专业参与度和区域平衡性方面。护理人员在公共卫生中的核心作用尚未被充分纳入AI技术的开发和应用过程中，这不仅影响了AI工具的实际效果，还可能造成技术设计与实际需求之间的脱节。因此，未来的研究和实践应更加注重跨学科合作，特别是在护理和公共卫生领域，以确保AI技术能够更好地服务于全球公共卫生需求，并实现更加公平和有效的疾病防控。