斯克里普斯研究所（Scripps Research Institute）研究團隊開發 AI 預警系統，猶如防疫領域哨兵，時刻監視病毒變化。系統能預測新型冠狀病毒變種出現，這項突破性的進展，讓我們看見 AI 疫情監測的強大潛力，更引發未來疫情防治思考：如何將這項利器用於大流行防範，提升全球衛生應變能力？
生物一直受各種傳染病威脅，人類歷史則從鼠疫到西班牙流感，不僅摧毀健康系統，社會文化更留下不可磨滅印記，而現在局勢可能逆轉。
傳統辨識新興病毒株，往往是造成大規模社區傳染後，才用基因定序辨識分析。但這好比火苗竄升後才警示火災，往往為時已晚，被動式應對留給公共衛生干預的時間非常少。
AI系統則採主動策略，強大處在學習和適應能力，能分析病毒基因、突變資訊及傳播模式等大量數據，深入理解病毒演化過程，辨識流通病毒基因組成的細微變化。
贏在起跑線的防疫利器
AI系統具分析病毒基因序列資料並預測可能突變株的能力，更驚奇的是，甚至能在世界衛生組織（WHO）確認新變種病毒株數週前就警示。這「預知」疫情的本領是如何取得的？
祕密就藏在機器學習演算法強大運算能力。傳統病毒監測仰賴科學家逐一分析病毒樣本基因序列，尋找突變跡象，但耗時費力，難涵蓋所有流通病毒樣本。
好比經驗老道的棋手，能預測對手下步落子，系統也能基於病毒演化模式，推演可能會有的變化，分析病毒基因的細微差異，辨識出可能賦予病毒新功能的突變，如增強傳染性、逃過免疫系統途徑等。
揭開「病毒暗物質」的面紗
充滿病毒的浩瀚宇宙，存在已久且神祕待探索的領域，科學家稱為「病毒暗物質」（Viral Dark Matter），指大量突變病毒株雖早就存在，卻未被全球衛生組織辨識和追蹤。未知變種對病毒演化和傳播扮演關鍵卻鮮為人知的角色。
就如天文學家觀察恆星運動軌跡推斷暗物質，天文學家無法直接觀測暗物質，病毒學家也難僅憑間接證據辨識出「病毒暗物質」，但這就是AI能發揮作用的地方，利用AI與流行病學數據結合，科學家更深入探索「病毒暗物質」世界。AI系統能辨識可能與「病毒暗物質」相關的基因突變模式，流行病學資料提供突變可能的影響線索。雙管齊下使我們更準確描繪「病毒暗物質」的輪廓，並預測將來可能增加的特性。
如AI系統預測到某波疫情可能導致住院人數激增，衛生部門就能提前增加加護病房（ICU）床位，並儲備足夠呼吸器（Ventilator）等醫療設備。「未雨綢繆」可大大減輕醫療系統壓力，挽救更多生命。
若公共衛生主管機關能疫情爆發前數週得知某新興變種病毒株即將出現，就能採取關鍵性防疫措施，如研發反應變種病毒株特性的快速檢測試劑，或調整疫苗配方以涵蓋新變種，更或提前調配醫療資源，做好疫情爆發的準備，都能減輕大流行嚴重度，拯救生命並降低社會經濟衝擊。AI技術不斷提升，全球衛生體系改善，相信人類對付疫情的能力會有提升。
- Understanding the host-pathogen evolutionary balance through Gaussian process modeling of SARS-CoV-2: Patterns
- Scripps Research scientists develop AI-based tracking and early-warning system for viral pandemics
（首圖來源：Pixabay）
科技新報粉絲團
加入好友
訂閱免費電子報
