相关实验视频
Updated: Sep 17, 2025
10:05
High-throughput Detection Method for Influenza Virus
Published on: February 4, 2012
26.3K
聊天GPT辅助深度学习模型用于中国大陆流感等疾病预测:时间序列分析
Weihong Huang1, Wudi Wei2, Xiaotao He1
1Guangxi Key Laboratory of AIDS Prevention and Treatment & School of Public Health, Guangxi Medical University, Nanning, Guangxi, China.
Journal of medical Internet research
|June 27, 2025
概括
像TiDE这样的深度学习模型显示出在中国准确预测流感类疾病 (ILI) 的前景. 聊天GPT辅助开发增强了模型的实施,改善了公共卫生对流行病的准备.
科学领域:
- 流行病学 流行病学
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 流感每年在中国造成显著的医疗保健利用.
- 深度学习模型提供先进的流感预测,但面临实施挑战.
- 像ChatGPT这样的大型语言模型 (LLM) 可以简化复杂的AI开发.
研究的目的:
- 评估深度学习模型的流感样疾病 (ILI) 阳性率预测在中国.
- 评估ChatGPT在促进这些模型的开发和实施方面的实用性.
主要方法:
- 利用来自中国国家流感中心的ILI阳性率数据 (2014-2024年).
- 开发了5个深度学习模型 (LSTM,N-BEATS,Transformer,TFT,TiDE) 使用ChatGPT辅助的工作流.
- 在2024年数据上使用MSE,MAE和MAPE评估模型性能.
主要成果:
- 所有5个模型都在ChatGPT的帮助下成功开发.
- 时间序列密度编码器 (TiDE) 模型展示了最好的国家和南部地区预测性能.
- 预测准确度的区域差异很大,特别是在中国北部.
结论:
- 深度学习模型,特别是TiDE,显示出在中国准确预测ILI的巨大潜力.
- 聊天GPT显著提高了非专家的人工智能模型开发的效率和可访问性.
- 人工智能辅助的工作流对改善流行病预测和公共卫生准备有价值.
