概述
人工智能辅助的信号可以帮助确定调查的优先级，但每个数据源都有局限性，需要流行病学解释。
深入探讨
流行病学研究人群中疾病的模式和传播。BlueDot 引用的通知涉及武汉的一个肺炎聚集性疫情以及通过商业航空旅行的潜在传播；相关的 ITU/WHO 案例研究描述了多语种媒体和航空数据。CDC 的废水监测跟踪参与地点的病毒水平。Google 流感趋势论文记录了某些季节的高估现象。CDC 在完全易感人群和无干预假设下定义了 R0，而 Rt 则随当前条件而变化。概念漂移描述了数据分布随时间的变化。Nextclade 根据特征突变分配基因组进化枝。
现实世界的实施
BlueDot 发布了一则关于武汉不明原因肺炎以及通过商业航空旅行潜在传播的通知。
美国疾病控制与预防中心（CDC）的 NWSS 在参与地点跟踪废水中的病毒活动和趋势。
Google 流感趋势分析显示，在某些时期，搜索查询信号可能会高估流感样疾病。
Nextclade 根据系统发育定义中的特征突变来分配 SARS-CoV-2 的进化枝。
人工智能在公共卫生和流行病学领域的未来
结合独立的监测流，并报告日期、地理位置、查明过程和不确定性。将人工智能警报视为公共卫生审查的提示，而不是诊断或实地调查的替代品。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
不断探索
常见问题
什么是公共卫生和流行病学中的人工智能？
公共卫生监测结合了病例报告、废水、测序数据和其他指标，以监测人群层面的疾病模式。人工智能辅助的信号可以帮助确定调查的优先级，但每个数据源都有局限性，需要流行病学解释。
流行病学主要研究什么？
流行病学研究人群中健康的模式和决定因素，包括疾病如何发生和传播。
BlueDot 的过时通知描述了哪场疫情？
BlueDot 的通知讨论了武汉不明原因肺炎以及通过商业航空旅行潜在的国际传播；这种措辞避免了不受支持的“在所有官方警报之前”的说法。
美国疾病控制与预防中心（CDC）的国家废水监测系统在废水样本中监测什么？
CDC 的 NWSS 监测废水中的病毒水平并报告随时间变化的趋势；它是社区级监测，而不是个人诊断测试。
Google 流感趋势分析指出了什么局限性？
《科学》杂志的分析记录了 Google 流感趋势在某些季节的大幅高估，并认为搜索数据信号需要针对监测数据进行验证。
在 CDC 的定义中，R0 代表什么？
CDC 将基本再生数 R0 定义为在没有干预的完全易感人群中，每个感染者引起的预期新感染人数。