预测SARS-CoV-2变种的传播:人工智能使得早期检测成为可能
Retsef Levi1, El Ghali Zerhouni2, Shoshy Altuvia3
1Sloan School of Management, Massachusetts Institute of Technology, Cambridge, MA 02139, USA.
PNAS nexus
|January 3, 2024
概括
这项研究开发了一种机器学习模型,通过分析SARS-CoV-2变种的遗传和流行病学数据来预测未来的COVID-19浪潮. 该模型准确地预测了几周前哪些变种会导致新的感染浪潮.
科学领域:
- 病毒学 病毒学
- 流行病学 流行病学
- 计算生物学 计算生物学
背景情况:
- SARS-CoV-2 迅速突变为传染性变体,导致全球多个感染波.
- 现有的流行病学模型预测了流行病的轨迹,但不包括变种特定的遗传数据.
- 了解变种传播对于有效的公共卫生反应至关重要.
研究的目的:
- 开发一种新的SARS-CoV-2变种传播的预测模型.
- 将变种特定的遗传特征与流行病学数据相结合,以改善预测.
- 识别可能导致未来感染浪潮的新兴变种.
主要方法:
- 来自30个国家的900万个SARS-CoV-2遗传序列的分析.
- 识别与导致重大感染波的变体相关的时间模式.
- 开发一种机器学习风险评估模型,用于变种特定的传播预测.
主要成果:
- 该模型可以提前3个月预测可能导致新感染浪潮的新兴变种.
- 实现了高预测准确度:86.3%的AUC在1周后和90.8%的AUC在2周后.
- 鉴定了SARS-CoV-2变种的时间特征模式,推动了感染浪潮.
结论:
- 整合遗传和流行病学数据可以更好地预测变种特异性传播.
- 开发的模型为潜在的新COVID-19浪潮提供了早期预警.
- 该方法可用于预测其他传染性病毒的变体.
