基于流行病学知识嵌入的机器学习模型及其在传染病传播风险预测中的应用

传染病危害事件的发生和流行，不仅直接影响着公众健康，还会对社会经济发展，乃至对国家安全产生严重影响。通过运用人工智能技术进行建模，可以预测疫情发展趋势，有的放矢的进行资源调配，实现疫情防控的科学化、精准化与高效化。然而，现有人工智能与机器学习没有充分考虑传染病领域的特性，因此在精度与可解释性上有所欠缺，从而不能为公共卫生领域的决策者提供有效的决策支持。为解决以上难题，本项目基于与“人-动物-环境”相关的多元时空数据，结合传染病领域的复杂网络与动力学模型，提出一套新颖的嵌入传染病学领域知识的深度时空神经网络模型。我们将通过理论分析、仿真模拟与实际验证以保障模型的正确性与可用性。本项目的研究有助于丰富、深化和扩展人工智能与公共卫生等交叉学科的研究内容，具有重要的科学意义。与此同时，该研究能为我国“早发现、早预警、早干预”传染病防控基本工作原则提供理论方法和实现路径，具有明确的现实意义。