科學家成功利用多股數據流和人工智慧技術來預測流感的暴發和傳播

本文系生物谷原創編譯，歡迎分享，轉載須授權！

流感具有高度的傳染性，其會隨著人們四處走動而迅速傳播，因此這就使得追蹤並且預測流感傳播活動成為了科學家們的一大挑戰；美國CDC會實時監測美國流感樣疾病患者的就診情況，這些信息可能要比實際時間滯後大約兩周；近日，一項刊登在國際雜誌Nature Communications上的研究報告中，來自波士頓兒童醫院的科學家們通過將兩種預測方法同機器學習技術（人工智慧技術）相結合就能成功評估本地的流感活動情況。

這種被稱為ARGONet的新方法被應用於2014年9月至2017年5月的流感季節，其要比研究人員此前開發的方法ARGO具有更高的準確率。研究者表示，在美國各州發布的傳統衛生保健報告前一周，ARGONet方法能對迄今為止的流感活動作出最準確的預測。

研究者Mauricio Santillana表示，這種及時可靠的追蹤各地流感活動的方法能幫助有效減輕流行病的暴發，並能有效提高公眾對潛在風險的意識。ARGONet方法能利用機器學習和兩種強大的流感檢測模型進行研究；第一個模型—ARGO能利用來自電子健康的記錄、流感相關的谷歌搜索即特定地點的流感歷史活動信息，這項研究中，僅ARGO模型就超過了谷歌流感趨勢的預測系統，谷歌預測系統是2008年-2015年運行的一個預測系統。

為了改善預測準確率，研究者所開發的ARGONet方法添加了第二個模塊，其能利用鄰近地區流感傳播的時空模式，同時該方法還基於這一事實，即流感在附近地區的存在或會增加特定地點發生疾病暴發的風險。這種機器學習系統能通過輸入兩種模型和實際流感數據來進行有效訓練，並幫助減少預測中的錯誤，該系統能持續評估每一種獨立方法的預測能力，並能重新校準這些信息應該如何用於進行對流感風險的預測。

研究者Fred Lu說道，這種新方法或將為感染性疾病的有效預防奠定基礎，隨著越來越多在線搜索數據以及來自醫療服務提供者基於雲計算的電子健康記錄的收集，這種新型模型未來將會對疾病暴發和流行進行更加準確地預測。

參考資料：

Fred S. Lu, Mohammad W. Hattab, Cesar Leonardo Clemente, et al. Improved state-level influenza nowcasting in the United States leveraging Internet-based data and network approaches. Nature Communications, 2019; 10 (1) DOI: 10.1038/s41467-018-08082-0

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！