用人工智能预测COVID-19变异波

　　人工智能模型可以预测哪些SARS-CoV-2变体可能引起新的感染浪潮。目前用于预测病毒传播动力学的模型不能预测变异特异性传播。

　　Retsef Levi及其同事基于对全球共享禽流感数据倡议(GISAID)从30个国家收集的900万个SARS-CoV-2基因序列的分析，以及疫苗接种率、感染率和其他因素的数据，研究了可能影响病毒传播的因素。

　　研究结果发表在美国国家科学院院刊Nexus杂志上。

　　从该分析中得出的模式被用于构建支持机器学习的风险评估模型。在检测后仅一周的观察期后，该模型可以在每个国家检测到72.8%的变异，这些变异将在未来三个月内导致每百万人至少1000例病例。

　　经过两周的观察，这一预测性能提高到80.1%。变体是否具有传染性的最有力预测因素是由变体引起的感染的早期轨迹，变体的刺突突变，以及在观察期间新变体的突变与最主要变体的突变有多大不同。

　　这组作者说，这种建模方法也可能被扩展到预测其他传染病的未来进程。

　　更多信息:Retsef Levi等人，预测SARS-CoV-2变体的传播:人工智能支持的早期检测，PNAS Nexus(2024)。DOI: 10.1093/pnasnexus/pgad424期刊信息:PNAS Nexus由PNAS Nexus提供引文:用AI预测COVID-19变异波(2024,1月3日)检索自2024年1月3日https://medicalxpress.com/news/2024-01-covid-variant-ai.html本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。