AI加速傳染病預測 法國研究實現疫情即時管理

【記者黃郁婷／綜合外電】人工智慧（AI）技術在傳染病管理領域取得突破性進展。法國農業、食品和環境研究院（INRAE）的科學家們，透過引入一種源自其他科學領域的深度學習演算法，顯著提升了病原體演化分析的效率與即時性，為全球公共衛生應對疫情提供了新的工具。

「系統發生動力學」（phylodynamics）是一門利用病原體基因序列追溯其演化過程與傳播模式的學科，在過去25年來革新了流行病學研究。研究人員運用數學模型，能將這些基因序列資料組合成「系統發生樹」（phylogenetic trees），就像一份家族樹。樹枝代表著疾病的傳播鏈，而樹葉則標示了單一感染事件。透過分析樹枝的長度，可以得知病原體的突變數量；而分岔點則揭示了不同病原體株之間的親緣關係，有助於追溯病毒演變的軌跡。這些分析能估計病原體的傳播速度、感染持續時間及地理起源等關鍵參數，但要獲得可靠的估計結果，通常需要大量的基因序列資料，並與傳統流行病學數據進行比對。

然而，處理龐大且複雜的基因序列資料，對傳統的數學模型構成極大挑戰，尤其當資料包含時間、盛行率和地理位置等多重資訊時。為此，INRAE 的科學家們創新性地應用了「神經後驗估計」（neural posterior estimation, NPE）這種深度學習人工智慧方法。NPE 原本多用於神經科學和天文物理學等領域，這次是首度將其應用於系統發生動力學的基因資料分析上。

這項新方法已成功在2014年獅子山伊波拉（Ebola）疫情的72組基因體資料集上進行測試，結果顯示其估計的參數與傳統推斷方法所得出的結果相似，但效率大幅提升。NPE 能夠更快地校準數學模型，並整合數千組基因序列在內的龐大而多元的資料。這項技術的突破，為傳染病及動物傳染病的即時管理鋪平了道路，未來將能進行即時的情境測試與持續的資料整合。INRAE 也已提供詳細的線上教學，供其他研究人員學習與複製這項分析方法。