共计 962 个字符，预计需要花费 3 分钟才能阅读完成。
随着流感、呼吸道合胞病毒（RSV）以及麻疹病例的增加，圭尔夫大学的一位教授开发的 AI 工具可能成为预警潜在疫情爆发的关键。Monica Cojocaru 博士，圭尔夫大学数学与统计系的教授，领导了 AI4Casting Hub 项目。这一创新公共卫生预测项目由工程与物理科学学院管理，旨在通过 AI 技术预测人类疾病的传播轨迹。
AI4Casting Hub 开发了交互式仪表盘，能够根据实际假设（如接触率、暴露个体的接触追踪、隔离天数等）展示麻疹在 9 岁以下儿童中的传播情况。用户可以通过调整多个滑块，观察感染率的变化，从而直观理解疫苗接种率、接触追踪速度和公共卫生干预措施在预防疫情爆发中的关键作用。
- 
Cojocaru 强调，接触追踪时间是阻止疫情爆发的关键变量。她指出：“如果接触追踪在一到三天内完成，感染率会迅速降至零。但如果追踪时间延长至四、五或六天，病例数量将显著增加。”
AI4Casting Hub 的麻疹疫情仪表盘允许用户调整变量，如接触率、追踪时间、疫苗犹豫、隔离时间等，以观察感染率的变化。这一工具不仅帮助公众理解疫情传播的复杂性，还为公共卫生官员提供了决策支持。
另一个重要功能是捕捉疫苗犹豫的影响。Cojocaru 表示：“麻疹具有高度传染性，即使疫苗接种覆盖率略有下降，也可能增加疫情爆发的风险。群体免疫需要约 95% 的疫苗接种覆盖率，但如果降至 85%，就可能引发疫情。”
她补充道，尽管麻疹 - 腮腺炎 - 风疹（MMR）疫苗非常有效，但错误信息仍是严峻挑战。“例如，关于疫苗导致自闭症的谣言已被辟谣，但这些说法仍在影响公众决策。此外，COVID-19 疫苗接种疲劳也可能导致免疫率下降。”
模型显示，疫苗接种率不足不仅会增加感染率，还可能对医疗系统造成巨大压力。
Cojocaru 的团队正致力于扩展 AI 对流感、RSV 和 COVID-19 趋势的预测能力，以了解这些疾病在疫苗接种疲劳背景下的演变。通过整合废水监测数据，AI4Casting Hub 将能够预测潜在病原体的增加，并更有效地追踪麻疹疫情。
此外，该中心还在开发新的预测工具，利用在线搜索趋势追踪疫苗接种情况。Cojocaru 表示：“这种 AI 驱动的预测可以帮助公共卫生官员主动应对疫情，从而更有效地保护公众健康。”
如需了解更多关于 AI4Casting Hub 的合作伙伴和资助者信息，请访问其官方网站。
