陈根：人工智能，或可预测流行病的爆发

文|陈根

新冠疫情爆发以来，人们的生产生活受到了重大影响，疫情的反反复复，让人们在这场斗争中精疲力尽。近日，一项研究表明，机器学习或可以根据病毒的基因组信息，预测其引发人畜共患病的概率。

包括新冠病毒在内，很多影响人类的新发传染病都是人畜共患的，即由源自其他动物物种的病毒引发。例如SARS一开始被认为与果子狸有关，后来发现其在果子狸中的传播时间并不长，蝙蝠可能是天然宿主。

还有早期与SARS临床症状相似而得名的“类SARS病毒”MERS，其是第6种已知的人类冠状病毒，可能与人、猪、猫、狗、鼠和鸡的呼吸系统感染相关。近些年的调查表明，MERS-CoV冠状病毒可能从骆驼传播到人的。

虽然至今也不能百分百肯定哪种病毒源起哪种动物，但它们总是与某种动物密切相关。目前，全球野生动物身上有大约160多万种未知病毒，早一点识别高危病毒将有助于预防流行病和进行流行病学监测。

而病毒是否具备引发人畜共患病的潜力，可以从其基因组序列中推断出来。通过突出显示最有可能引发人畜共患病的病毒，基于基因组的分类方式可以更有效地针对进一步的生态和病毒学特征。

为了开发相关模型，研究人员收集了来自36个科的861种病毒的数据集。机器学习模型根据在病毒基因组中观察到的模式来确定人类感染的概率。随后，研究人员用表现最佳的模型来预测从各种动物中取样的其他病毒引发潜在人畜共患病的模式。

结果发现，病毒基因组可能具有独立于病毒分类关系的可概括特征，并且可能涉及病毒感染人类的预适应过程。此外，他们还开发出利用病毒基因组识别潜在的人畜共患病的机器学习模型。

虽然这些模型预测了病毒能否感染人类，但感染能力只是人畜共患病风险的组成要素之一，该风险还受到病毒在人体内的毒性、人际传播能力和人际接触时的生态条件等因素的影响。

总体来说，该研究有助于提高人们发现及应对病毒爆发的能力。未来，或需要各国政府和企业之间持续的合作来帮助该研究近一步发展，比如全球医疗数据的集中和交流。