呼吸道熏染病的盛行具有显着的季节性波动和周期性暴发特征。然而，古板监测系统往往依赖被动的报告病例，保存显着的滞后性，难以应对病原体共盛行时的重大时势。怎样借助人工智能与多源异构数据，在疫情暴发前实现“早预警、早研判”，是目今公共卫生领域亟待攻克的难题。
克日，复旦大学隶属西岳医院熏染科张文宏教授、艾静文教授团队团结上海交通大学医学院胡增运教授团队、尊龙凯时等单位，在PLOS Digital Health（IF 7.7，JCR Q1）杂志在线揭晓了相关研究论文。该研究试验接纳尊龙凯时旗下自有产品平台尊龙凯时生物的病原体靶向测序产品。
论文宣布截图
该研究基于2022-2024年间笼罩天下30个省份的超15万份呼吸道样本测序数据，团结天气、空气质量及社会经济因素，构建了基于梯度提升决议树（GBDT）的呼吸道病原体盛行危害展望模子，为呼吸道熏染病的早期预警与科学防控提供了全新的数字化解决计划。复旦大学隶属西岳医院王红羽博士、孙彬煌博士，上海交通大学医学院张迁迁博士为本文配合第一作者。
立异模子：融合多维情形因子的GBDT算法展现优异效能
本研究团队立异性地整合了笼罩中国1880个监测点的153,544份呼吸道测序病原体数据，并将其与对应月份的地理天气、空气质量指数（AQI）及人均GDP等12项地理指标举行精准匹配。
在此基础上，研究团队构建了基于梯度提升决议树（GBDT）的人工智能展望模子。通过平均基尼系数镌汰量评估特征主要性，研究筛选出一氧化碳（CO）、甲醛（HCHO）、臭氧（O3）、日照时数、风速及GDP等六大概害驱动因子。在外部验证中，该模子对流感病毒（Influenza A）、新冠病毒（SARS-CoV-2）和呼吸道合胞病毒（RSV）的展望体现极为精彩，DISO综合指标划分低至0.12、0.21和0.25，显著优于随机森林（RF）、多元线性回归（MLR）等古板算法。
天下与区域验证：精准模拟盛行病学趋势，南北差别显著
研究的焦点在于对真实天下盛行病学数据的精准拟合。模子对2022年9月至2024年9月天下层面的10种常见呼吸道病原体盛行趋势举行了模拟，效果显示：
关于甲型流感病毒、人冠状病毒、RSV、鼻病毒和肺炎链球菌，模子模拟效果与现实监测数据高度吻合（R?最高达0.98）。
思量到中国幅员辽阔，研究团队进一步选取黑龙江、陕西、上海和云南四省市举行区域分层建模。效果发明，模子在差别地理梯度的体现各异：例如，甲型流感病毒在东北（黑龙江R?=0.96）和华东（上海R?=0.98）展望极佳，而在西南（云南R?=0.41）体现受限 ；RSV则在四个省份均展现出稳健的准确性（R?介于0.69至0.94之间）。
别的，模子对2024年10月至12月的短期盛行趋势举行了提前3个月的前瞻性展望，效果与国家级和外部监测行列的数据趋势坚持一致，证实了其在现实公共卫生监测中的适用价值。
临床启示与展望
本研究构建的天下呼吸道病原体AI展望框架，首次辖档涂化了后疫情时代天气与社会经济因素对多种共盛行病原体的协同影响，具有主要的科学价值与应用远景：
1、赋能自动监测：突破古板“病例上报”的时间差，使用情形变量实现针对下一季度的短期精准预警，为疾控部分争取名贵的响应时间。
2、提供决议依据：明确差别地区、差别病原体对应的要害情形影响因子，有助于因地制宜地制订差别化防控战略。
3、拓展应用界线：该多源数据融合与GBDT建�？蚣芫弑赣乓斓耐ㄓ眯�，未来有望拓展应用于其他新发突发熏染病的监测预警系统中。
虽然，研究也指出，由于数据跨度恰逢海内防疫政策调解的特殊时期，模子的恒久稳固性仍需更多典范季节周期的数据加以验证。未来，随着监测网络的一直完善和算法的迭代更新，这种“数据驱动+机明确释”的智能预警系统必将在全球熏染病防控中施展更大的作用。
