当涉及传染病时，预防，监测和快速反应的努力可以大大减缓疫情的爆发或延缓疾病的爆发。但是，随着人工智能和机器学习成为全球医疗保健系统越来越重要的组成部分，一种新的战略正在与传染病作斗争。

越来越多的科学家正在开发使用人工智能(AI)来预测传染病蔓延的方法。尽管该过程非常复杂，但是成功实施预测模型可能代表着在消除世界上最隐蔽的传染病的斗争中的重大飞跃。

尽管还有很长的路要走，但公共卫生官员和流行病学家已经开始看到一些好处。

使用AI算法的最早方法之一是帮助公共卫生官员调整其预防和公众意识工作。

“目前已有许多模型可以帮助回答有关在各种情况和疾病中应该筛查谁的问题，”工业和工业助理教授Sze-Chuan Suen博士说。南加州大学维特比工程学院的系统工程专业。

现在，Suen和其他人正在努力实现更宏伟的目标。他们不只是确定高危人群，还致力于计算公共卫生宣传目标的最佳组合，从而对总体人口产生尽可能广泛的影响。

Suen是USC团队的成员之一，该团队开发了一种算法来帮助公共卫生机构量身定制其外展工作，以实现最大的成本效益。Suen及其同事使用关于印度预防结核病和美国预防淋病的真实数据测试了他们的算法。

Suen表示，该模型能够更好地考虑人类行为和疾病传播中不那么明显的模式，从而使公共卫生官员对特定人群最能从特定交流中受益的情况有了更为精细的了解。

Suen在与该研究于2018年发布相关的新闻稿中说：“虽然有很多方法可以识别用于健康宣传运动的患者人群，但很少有人考虑不断变化的人群模式与疾病动态之间的相互作用。

”如果采用目前的策略，可以预防8000例TB和20,000例淋病。

在其他疾病状态(例如艾滋病毒)中也发现了类似的结果。早在2014年，英国的研究人员就试图使用算法来更好地定位未意识到其疾病状况的HIV感染者。当时，那里的公共卫生部门怀疑大约四分之一的英国艾滋病毒感染者不知道自己感染了该病毒。

来自英国和美国的跨大西洋团队使用统计模型评估了测试和治疗策略，并确定一种优化的方法可以预防5%的新感染，即使艾滋病毒感染者的行为没有改变。

同样，2017年的一项研究根据可用预算的大小，使用模型和模拟来提出最佳的丙型肝炎病毒(HCV)预防措施。研究人员发现，有了10亿美元的预算，公共卫生资金的最佳利用就是完全专注于治疗，重点放在早期治疗上。但是，如果预算为50亿美元，更好的计划是先将预算的60%用于筛查，将其余的预算用于治疗，但在第三年将筛查拨款降低到仅20%。

从某种意义上说，随着越来越多的医学信息被数字化并转化为可用数据，进行预测的工作将变得更加容易。但是，Suen指出，在可以使用哪些数据方面存在限制。

她说：“显然，更多的数据将是有用的，但这需要通过隐私和成本方面的考虑加以平衡。”

如果根据人类行为提出有意义的传染病预测具有挑战性，那么当科学家尝试使用AI和机器学习来预测非人类的模式和潜在爆发时，问题就变得更加复杂。