新算法发出可能的疾病复兴

佐治亚大学(University of Georgia)的科学家利用机器学习来预测现有传染病的重新出现。该算法监视公共卫生数据，以检测与即将爆发的疾病相关的统计模式。托拜厄斯·布雷特和佩曼·鲁哈尼的这项研究最近发表在《科学》杂志上公共科学图书馆生物学。

而该方法无法预测新方法的出现疾病与COVID-19一样，它也对大流行期间的公共卫生产生影响。

“世界卫生组织正在讨论衰退疫苗覆盖范围我们已经知道并有疫苗的疾病，比如麻疹、百日咳、腮腺炎，”Regents教授、佐治亚大学体育协会生态学和传染病教授鲁哈尼说。“由于新冠肺炎，这算法对鉴定这些可能在这些可预防的感染中的复兴中可能发生的群体可能非常有用。“

相同的模式

该方法基于理论，即某些禁止模式在监测报告中出现，因为底层条件变得有利爆发。这些变化的条件可能包括疫苗效力减弱或接种率下降，或气候变化等环境因素。不管变更的根本原因是什么，案例报告显示的都是相同的统计模式。

Brett和Rohani开发了一种算法，即监测案例报告随着时间的推移报告，寻找这些模式并计算疾病将重新收获的风险水平。

由于该算法需要适用于许多疾病，Brett和Rohani利用为期10年的1万套模拟病例报告，训练它识别即将爆发的疾病的特征模式。模拟数据包括多种参数组合和不同的复苏机制。

这些时间序列数据集有一半被设计成导致突发疾病爆发，另一半则不是。

“我们讲述了5,000次时间序列的算法正在出现[疾病]，哪个5,000不是，”Odum生态学学院的博士后助理Brett说。“所以算法了解统计特征的统计特征和组合，成功预测，如果人口即将表现出爆发，则是什么。”

一旦算法学会了识别疾病出现的一般模式，Brett和Rohani就用导致四次历史疾病爆发的病例的时间序列数据对其进行了测试。

2004 - 2005年，在常规婴儿疫苗接种机构后，在英格兰发生了大约15年的传播之后，在英格兰发生了腮腺炎的爆发。从1990年代到2005年，分析公共卫生英格兰的案例报告，该算法确定了在它开始前四年即将到来的爆发的模式。

近乎完美的识别

Pertussis是一种通过疫苗接种计划大大减少的细菌疾病，最近在20世纪70年代后期开始的一些，但不是全部，在某些情况下发生了不均匀的爆发。在这种情况下，Brett和Rohani想知道该算法是否可以预先识别出现疫情的爆发。从1980年至2000年的国家公共卫生机构的数据应用于2000年的数据，该算法正确地确定了这些州的近100％的时间。

流行性腮腺炎和百日咳都是直接传播的，但很多传染性疾病公共卫生问题的传播媒介，如蚊子，蜱或跳蚤。为了确定该算法是否也适用于这些疾病，布雷特和鲁哈尼用2017年马达加斯加短暂爆发的黑死病和1995年至2009年波多黎各爆发的一系列登革热的数据对其进行了测试。他们发现，在这两种情况下，算法都能够在疾病爆发前识别出它们。

鲁哈尼说:“我认为托比和我都惊讶于这种算法在这些不同的系统中工作得如此之好，这些系统有不同的传播模式，复苏的时间跨度非常不同，从几周到几年不等。”“这增加了我们的信心，即这种方法是在识别这些系统中非常通用的东西，而不是系统特定或细节特定的东西。”

卫生官员仍然打电话

Brett和Rohani强调，虽然该算法可以计算疾病的风险，但决定将通过公共卫生官员需要触发警报和爆发预防措施的风险的阈值，同时考虑到更大的社会和经济语境。

“我们将算法视为公共卫生工具包中的潜在工具。何时发出警报的问题以及不发出警报时不能单独制作的问题，”布雷特说。“他们必须理解与错误地发出警报或未能为爆发做好准备的更广泛的成本。目前，这是某种东西公共卫生当局最适合这样做。”

---

---