比传统AI更精确！新传染病模型还能“算到”病毒变异

在抗击新冠肺炎全球疫情的过程中，AI发挥了巨大作用。除了诊断病情，许多国家还用AI来预测疫情发展情况，做出针对性部署。

普林斯顿大学和卡耐基梅隆大学的研究人员开发了一种新的模型，这种模型将疾病可能的突变纳入考量，极大改善了模型对传染病的跟踪能力。该研究成果以The effects of evolutionary adaptations on spreading processes in complex networks(适应进化对复杂网络中传播过程的影响)为题发表在了《美国国家科学院院刊》上。

当前，多数用来追踪流行病传播的模型都是利用卫生系统的数据来预测疾病的发展，这种模型没有考虑到相应疾病发生突变的可能，过于落后。一旦病毒变异，相关人员只能通过重新收集数据，修改变量来调整模型，永远跟在病毒屁股后面跑。

新研究将社区隔离、病例隔离等干预措施纳入考量，将上述变量和病毒在传播过程中的变异情况一起纳入分析当中。

这项研究的灵感来源于他们对社交网络信息传播的研究。社交网络中的信息传播和传染病的病毒传播有许多的相似之处。而在信息传播当中，传播会受到信息本身微小的变化影响。

比如说，为了传播信息，每个信息的发布者都可能对其进行编辑修改，从而使其更具有传播力。因此，每个得以向下一个发布者传播的信息，都是传播力增强的结果。信息经过的节点越多，传播力就越强。理论上说，病毒同样具有这个特征。

新模型将这一情况纳入考量，使其可以更加精确地预测疫情走势。通过这个模型，使用者可以得到以下信息：一、病毒传播力进化的阈值、概率和最终流行范围;二、了解病毒进化的本身。

普林斯顿大学工程学院临时院长Vincent Poor表示：“希望这个模型能给领导人提供另一个工具，让他们更好地理解诸如“为什么COVID-19病毒传播的速度比预测的要快得多”之类的问题，从而帮助他们更有效、更及时地部署应对措施。”

参考资料：

[1] https://www.eurekalert.org/pub_releases/2020-03/pues-nmm032420.php

[2] https://www.pnas.org/content/117/11/5664