编辑推荐：
一种用于预测传染病传播的新人工智能工具的性能优于现有最先进的预测方法。
一种用于预测传染病传播的新人工智能工具的性能优于现有最先进的预测方法。
该工具由约翰·霍普金斯大学和杜克大学的研究人员在联邦政府的支持下创建，将彻底改变公共卫生官员预测、跟踪和管理包括流感和新冠肺炎在内的传染病疫情的方式。
约翰·霍普金斯大学的建模专家劳伦·加德纳（Lauren Gardner）说：“新型冠状病毒肺炎（COVID-19）阐明了由于不断变化的复杂因素的相互作用，预测疾病传播的挑战。”。“当条件稳定时，模型很好。然而，当出现新的变体或政策改变时，我们在预测结果方面做得很糟糕，因为我们没有包括关键类型信息的建模能力。新工具填补了这一空白。”
这部作品最新发表于自然计算科学.
在冠状病毒大流行期间，支撑新工具的技术并不存在。该团队首次使用大型语言建模来预测疾病的传播，这是ChatGPT中最著名的生成性人工智能类型。
这个名为PandemicLLM的模型并没有将预测仅仅当作一个数学问题来处理，而是考虑到最近的感染高峰、新变体和口罩指令等输入，对其进行推理。
该团队提供了模型信息流，包括以前从未用于大流行预测工具的数据，并发现PandemicLLM可以准确预测一到三周后的疾病模式和住院趋势，始终优于其他方法，包括CDC CovidHub上表现最好的方法。
"疾病预测中的一个紧迫挑战是试图找出是什么导致感染和住院人数激增，并将这些新信息流构建到建模中。"
该模型依赖于四种类型的数据：
国家级空间数据，包括人口统计、医疗系统和政治派别信息。
流行病学时间序列数据，如报告病例、住院情况和疫苗接种率。
公共卫生政策数据，包括政府政策的严格程度和类型。
基因组监测数据，包括有关疾病变异特征及其流行率的信息。
在消费了这些信息后，该模型可以预测各种因素将如何结合在一起影响疾病的行为。
为了测试它，该团队追溯性地将其应用于新冠肺炎疫情，在19个月内深入美国各州。与其他模型相比，新工具在疫情不断变化时尤其成功。
“传统上，我们用过去来预测未来，但这并没有给模型提供足够的信息来理解和预测正在发生的事情。相反，这个框架使用了新型的实时信息。”
有了必要的数据，该模型可以适用于任何传染病，包括禽流感、猴痘和RSV。
该团队目前正在探索LLM的能力，以复制个人如何对其健康做出决策，希望这样的模型能帮助官员设计更安全、更有效的政策。
加德纳说：“我们从新冠肺炎疫情中了解到，我们需要更好的工具，以便制定更有效的政策。”。“还会有另一场流行病，这些类型的框架对支持公共卫生应对至关重要。”
作者包括：约翰·霍普金斯博士生杜洪茹；约翰·霍普金斯研究生杨钊；蒙特利尔大学赵建安；约翰·霍普金斯大学博士生徐绍冲、哈佛大学林喜红和杜克大学陈一然教授。
