流感该如何未卜先知？机器学习预测流感更准确更及时！

编译：chux

出品：ATYUN订阅号

流感具有高度传染性，随着人们的移动和旅行更易于传播，使得跟踪和预测流感成为一项挑战。在美国，虽然疾病预防控制中心持续监测患者，但这些信息可能会落后两周。

由波士顿儿童医院的计算健康信息学计划（CHIP）领导的一项新研究，将两种预测方法与机器学习相结合，以估计当地的流感。结果发表在Nature Communications上。

这种方法名为ARGONet，应用于2014年9月至2017年5月的流感季节时，它比团队早期的高绩效预测方法ARGO做出了更准确的预测，ARGONet可以提供迄今为止最准确的流感活动估计值，比美国各州传统医疗保健报告提前一周。

“用及时可靠的方法来跟踪各地的流感情况，可以帮助公共卫生官员缓解疫情爆发，并可以改善与公众的沟通，提高对潜在风险的认识，”CHIP教员，论文资深作者Mauricio Santillana博士说。

了解局部流感模式

ARGONet方法使用机器学习和两种强大的流感检测模型。第一个模型ARGO利用来自电子健康记录，流感相关的谷歌搜索和特定地点的历史流感活动的信息。在该研究中，仅ARGO的表现就优于谷歌流感趋势预测系统。

为了提高准确性，ARGONet添加了第二个模型，该模型利用了邻近地区流感传播的时空模式，“它利用了这样一个事实，即在附近地区出现流感可能会增加在特定地点爆发疾病的风险，”哈维医学院助理教授Santillana解释道。

团队通过输入来自两个模型和实际流感数据的流感预测训练机器学习系统，帮助减少预测中的错误。Santillana表示，这个系统不断地评估每一种独立方法的预测能力，利用这些信息来提高对流感的预测。

研究者认为，他们的方法将为传染病的“精准的公共卫生”奠定基础。

CHIP研究员和该论文的第一作者Fred Lu表示，“随着的在线搜索量越来越多，以及越来越多的医疗保健提供商采用基于云的电子健康记录，模型会随着时间的推移变得更加准确。”