最近，《柳葉刀 (The Lancet)》子刊 EBioMedicine 刊登了一項中國科學(xué)家運用自順應(yīng) AI 模型和多源信息，預(yù)判重慶市流感活動度的研發(fā)，這是中國首個基于 AI 和大信息的流感實時預(yù)判模型，也是 AI 在感染病預(yù)判行業(yè)中十分有影響力的成果。

該研發(fā)成果由平安科技、平安聰慧都市與重慶市疾病防止操控核心、陸軍軍醫(yī)大學(xué)和清華大學(xué)聯(lián)合完結(jié)。

眾所周知，流感連續(xù)威逼著世界公共衛(wèi)生安全。季度性流感每年造成世界數(shù)億人發(fā)病，數(shù)十萬人滅亡。另外，流感病毒基因連續(xù)變異，世界流感大盛行的危害連續(xù)存在。

對流感活動進行監(jiān)測和預(yù)判，并即時作出對應(yīng)防控籌備，針對季度性流感和流感大盛行的防控至關(guān)首要。但是，傳統(tǒng)流感監(jiān)測因為信息的報送、整理和統(tǒng)計處置須要時間，流感活動水平有關(guān)的指標(biāo)通常滯后一到兩周才能獲取，這對流感這個急性呼吸道感染病的防控是非常不利的，偶爾會造成錯過疫情操控的最好時機。

為解決流感活動指標(biāo)信息的滯后問題，在過去十多年中，人們對流感活動的預(yù)判進行了批量開拓。此中，谷歌流感形勢（Google Flu Trends）開創(chuàng)了借用谷歌搜索信息預(yù)判流感活動水平的新格局。以來，含蓋互聯(lián)網(wǎng)搜索信息、流感監(jiān)測信息、Twitter 上與流感有關(guān)的帖子、維基百科訪問日記和電子健康記載在內(nèi)的多源電子信息與數(shù)學(xué)模型相結(jié)合，擁有十分好的疾病追蹤和預(yù)判成效。

但是，不少此類研發(fā)是在國家層面進行的，其預(yù)判結(jié)果很難轉(zhuǎn)變?yōu)榭晒┑貐^(qū)衛(wèi)生官員做出更好抉擇的可操控數(shù)據(jù)。局部地方，例如1個都市的流感活動并非雷同于國家層面的狀況。由于，受地方特定天氣改變、經(jīng)濟和社會活動、人口免疫和個體習(xí)慣等原因影響，局部地方的流感疫情通常體現(xiàn)出愈加多樣化的盛行形式。

現(xiàn)在，已有許多研發(fā)在紐約、墨爾本、香港等都市創(chuàng)建了流感預(yù)判模型，做了許多有價值的開拓和嘗試?？墒乾F(xiàn)在在流感活動無法則的都市地方進行流感活動度預(yù)判，仍舊缺少很高精度的有效方式。因而，一類愈加科學(xué)、愈加自動的流感預(yù)判方式已然變成施行流感疫情防控的急迫須要。