機(jī)器學(xué)習(xí)成功模擬并預(yù)報(bào)流感傳播 研究成果發(fā)表在《自然·通訊》

，可以成功模擬并預(yù)報(bào)病毒性疾病——流感的傳播。現(xiàn)階段研究顯示，這個(gè)移動(dòng)地圖能夠準(zhǔn)確預(yù)報(bào)紐約市和澳大利亞的流感傳播情況，未來或還將有潛力對(duì)新冠肺炎進(jìn)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(dòng)。目前用來預(yù)測(cè)疾病在一個(gè)城市或國(guó)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(diào)查或網(wǎng)上搜索數(shù)據(jù)。

為了獲得一個(gè)更稠密的數(shù)據(jù)集

，此次，美國(guó)谷歌公司研究人員亞當(dāng)·薩迪樂克及其同事從打開“位置歷史記錄”功能的安卓手機(jī)上收集了匿名追蹤數(shù)據(jù)，并利用機(jī)器學(xué)習(xí)方法將這些數(shù)據(jù)拆分成單個(gè)“行程”，進(jìn)而構(gòu)建出一個(gè)人群移動(dòng)地圖。他們借助一個(gè)根據(jù)醫(yī)院掛號(hào)和檢驗(yàn)數(shù)據(jù)進(jìn)行校準(zhǔn)的傳染病傳播模型，利用這個(gè)移動(dòng)地圖成功模擬“預(yù)報(bào)”了2016年至2017年紐約市內(nèi)和周圍的流感活動(dòng)。

研究團(tuán)隊(duì)發(fā)現(xiàn)

，這個(gè)模型比常用的標(biāo)準(zhǔn)預(yù)報(bào)模型表現(xiàn)更好，和使用通勤調(diào)查數(shù)據(jù)差不多，但已知通勤調(diào)查數(shù)據(jù)收集起來成本更高。他們還模擬“預(yù)報(bào)”了2016年流感季澳大利亞國(guó)內(nèi)的流感傳播。雖然澳大利亞的人口更稀疏，流感動(dòng)力學(xué)也不同，但這個(gè)模型依然能非常準(zhǔn)確地預(yù)測(cè)流感的高峰和低谷。

現(xiàn)有的高分辨率移動(dòng)數(shù)據(jù)來自手機(jī)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(guó)移動(dòng)。位置數(shù)據(jù)沒有這方面的限制，因此對(duì)于監(jiān)測(cè)長(zhǎng)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?yàn)橹悄苁謾C(jī)使用率低的小孩和老人的移動(dòng)數(shù)據(jù)并不包含在內(nèi)。雖然存在這些限制，但研究團(tuán)隊(duì)證明了利用手機(jī)數(shù)據(jù)預(yù)報(bào)流行病傳播的潛力。(張夢(mèng)然)