得益于史蒂文斯理工学院研究人员开发的一种新的基于AI的预测工具，预测流感的爆发变得更加容易。

通过整合位置数据，AI系统能够胜过其他先进的预测方法，准确性提高11％，并可以在15周之前预测流感爆发。

过去的预测工具试图通过研究感染率随时间变化的方式来预测流感，但在史蒂文斯（Stevens）领导这项工作的岳宁（Yue Ning）和她的团队使用图形神经网络将流感感染编码为相互关联的区域集群。这使得他们的算法能够梳理出流感病毒从一个地区传播到另一个地区的模式，并利用在一个地区发现的模式来为其他地区的预测提供信息。

计算机科学副教授Ning说：“捕捉空间和时间的相互作用，让我们的机制能够识别隐藏的模式，比以往任何时候都更准确地预测流感爆发。”

“通过实现更好的资源分配和公共卫生计划，该工具将对我们应对流感爆发的方式产生重大影响。”

Ning和她的团队使用来自美国和日本的数据训练了他们的AI工具，然后针对历史流感数据测试了其预测。其他模型可以使用过去的数据提前一周或两周来预测流感爆发，但是结合位置数据可以在几个月的时间内进行更可靠的预测。他们的研究成果发表在10月19日至23日举行的第29届ACM信息与知识管理国际会议论文集上。

Ning解释说：“我们的模型也是非常透明的——其他人工智能的预测使用‘黑匣子’算法，我们能够解释为什么我们的系统会做出特定的预测，以及它是如何认为不同地区的疫情会相互影响的。”

未来，类似的技术也可以用于预测COVID-19感染的浪潮。由于COVID-19是一种新型病毒，因此没有用于训练AI算法的历史数据。Ning指出，仍然每天都在收集大量位置编码的COVID-19数据。Ning说：“随着我们继续研究COVID-19病毒，这可以使我们更快地训练算法。”

Ning现在正在通过合并新的数据源来改进她的流感预测算法。一个关键的挑战是弄清楚如何考虑公共卫生干预措施，如接种疫苗教育、戴口罩和保持社交距离。Ning解释说：“这很复杂，因为制定卫生政策是为了应对疫情的严重程度，但也会影响这些疫情的发展。”

“我们需要更多的研究来了解卫生政策和流行病之间的相互作用。”

另一个挑战是确定哪些数据能真正预测流感爆发，哪些只是干扰项。Ning的团队发现，飞行交通模式无法有效预测区域流感暴发，但天气数据是有希望做到的。Ning说：“我们也受到公开信息的约束。拥有疫苗接种率的位置编码数据将非常有帮助，但是要获取这些信息并不容易。”

到目前为止，人工智能工具还没有用于现实世界的健康规划，但Ning说，医院和政策制定者开始使用人工智能算法来对流感爆发做出更有力的反应，这只是时间问题。Ning说：“在收集新数据的同时，我们的算法将不断学习和改进，使我们能够提供更准确的长期预测。在我们努力应对未来的大流行病时，这些技术将产生重大影响。”