據(jù)英國《自然·通訊》雜志9日發(fā)表的一項機器學習最新研究，美國科學家團隊報告稱：對匿名手機數(shù)據(jù)進行基于機器學習的分析，可以成功模擬并預報病毒性疾病——流感的傳播?，F(xiàn)階段研究顯示，這個移動地圖能夠準確預報紐約市和澳大利亞的流感傳播情況，未來或還將有潛力對新冠肺炎進行監(jiān)控。

病毒性疾病在人群中的傳播，取決于感染者和未感染者之間的互動。目前用來預測疾病在一個城市或國家傳播的模型數(shù)據(jù)，都存在稀疏和不精確的問題，比如通勤調查或網(wǎng)上搜索數(shù)據(jù)。

為了獲得一個更稠密的數(shù)據(jù)集，此次，美國谷歌公司研究人員亞當·薩迪樂克及其同事從打開“位置歷史記錄”功能的安卓手機上收集了匿名追蹤數(shù)據(jù)，并利用機器學習方法將這些數(shù)據(jù)拆分成單個“行程”，進而構建出一個人群移動地圖。他們借助一個根據(jù)醫(yī)院掛號和檢驗數(shù)據(jù)進行校準的傳染病傳播模型，利用這個移動地圖成功模擬“預報”了2016年至2017年紐約市內(nèi)和周圍的流感活動。

研究團隊發(fā)現(xiàn)，這個模型比常用的標準預報模型表現(xiàn)更好，和使用通勤調查數(shù)據(jù)差不多，但已知通勤調查數(shù)據(jù)收集起來成本更高。他們還模擬“預報”了2016年流感季澳大利亞國內(nèi)的流感傳播。雖然澳大利亞的人口更稀疏，流感動力學也不同，但這個模型依然能非常準確地預測流感的高峰和低谷。

現(xiàn)有的高分辨率移動數(shù)據(jù)來自手機通話記錄，這些記錄具有提供者特異性，一般無法反映跨境或跨國移動。位置數(shù)據(jù)沒有這方面的限制，因此對于監(jiān)測長距離的疾病傳播更具潛力。目前，這些數(shù)據(jù)在完整性上有欠缺，因為智能手機使用率低的小孩和老人的移動數(shù)據(jù)并不包含在內(nèi)。雖然存在這些限制，但研究團隊證明了利用手機數(shù)據(jù)預報流行病傳播的潛力。(記者張夢然)

總編輯圈點

人們通常很難預測病毒會在何時進入人體，潛伏下來，在人群里悄然傳播，然后爆發(fā)一場戰(zhàn)爭。在人口密集的大都市，預測傳染病的流行，是一個非常必要但難度頗大的課題。研究表明，手機數(shù)據(jù)加人工智能，或許有預測潛力。但是，技術永遠不是萬能的。預測了傳染病，還得采取強有力的措施進行干預，才可能將其“扼殺”在萌芽狀態(tài)。控制傳染源，切斷傳播途徑，保護易感人群，這三條是古老但有效的方法。但要做到這些，不僅要靠人工智能，更要靠人的智慧與決斷。

標簽： 機器學習 模擬 流感傳播