机构名称：
¥ 1.0
洛伦斯·南丁格尔创新的可预防死亡“玫瑰图”彻底改变了数据驱动的疾病监测。1 克里米亚战争期间收集的原始医院死亡率数据被转化为令人信服的视觉见解——恶劣的卫生条件造成的死亡人数比战争伤亡人数还多。这种将嘈杂、复杂的数据合成为简洁、有效信息的行为为皇家委员会追踪发病率和死亡率奠定了基础，从而开启了一个使用分析方法更好地监测和管理传染病的新时代。自南丁格尔玫瑰图首次发表以来的 160 多年里，用于翻译高密度数据和揭示隐藏模式以提供公共卫生解决方案的工具和技术不断发展。现在，机器学习算法补充了手动技术。人工智能 (AI) 工具现在可以识别复杂的、以前看不见的数据结构，为旧问题提供创新解决方案。这些进步共同推动了传染病监测的发展。2019 年冠状病毒病 (Covid-19) 大流行凸显了感染传播和破坏世界的速度——以及同样灵活、迅速和巧妙的公共卫生工具库对应对这些影响的极端重要性。在整个危机期间，我们目睹了部署大量 AI 解决方案来扮演这一角色——其中一些比其他解决方案更成功。随着新病原体的出现或旧挑战再次引起我们的注意，将经验教训纳入我们的公共卫生剧本是当务之急。在这篇评论文章中，我们反思了新的和长期存在的 AI 解决方案对传染病监测的影响。事实证明，人工智能应用可成功实现多种功能，包括预警系统、2,3 热点检测、4,5 流行病学跟踪和预测、6,7 和资源分配 8（图1）。我们讨论一些最近的例子。9,11,12 我们首先介绍人工智能和机器学习如何为预警工具提供动力，并帮助区分各种传播病原体（例如，严重急性呼吸综合征冠状病毒 2 [SARS-CoV-2] 与流感病毒）。然后，我们讨论可以将流行病追溯到其源头的人工智能和机器学习工具，以及可以指导有效应对正在发生的流行病的算法方法。最后，我们强调了人工智能和机器学习在公共卫生监测方面的关键局限性，并讨论了未来改进实施的突出考虑因素。
人工智能在传染病监测中的进展
主要关键词
相关文件推荐
