想象一下，有一天你的防毒面具就像一把伞。大多数时候，它会放在你的衣柜里，或者放在你车里的某个地方。但当预测出现COVID-19疫情时，你可以使用它。
除此之外，一个可怕的病毒预测可能会诱使你在和朋友喝咖啡时选择户外的桌子。如果感染冠状病毒可能会让你病得很重，你可能会选择在家工作或在线参加教堂礼拜，直到威胁过去。
这样一个未来的前提是，美国人会注意有关这种大流行病毒的公共卫生警告——这是一个很大的假设。它还假设存在一个系统，可以可靠地预测即将发生的疫情，几乎没有假警报，并且具有足够的及时性和地理精度，公众将信任其预测。
一群准气象预报员表示，它具备了形成这样一个系统的条件。他们关于建立病毒式天气报告的建议最近发表在《科学进展》杂志上。
与推动天气预报的气象模型一样，预测COVID-19疫情的系统也来自由数百条本地和全球信息流提供的海量数据。其中包括在网上搜索胸闷、嗅觉丧失或疲惫等症状的时间戳;包括“冠状病毒”、“大流行”或“抢购”等词语的地理定位推文;来自智能手机的汇总位置数据可以揭示人们的出行次数;网上问路的人数下降，表明外出的人减少了。
由此产生的信息量对人类来说太多了，更不用说解释了。但在强大的计算机和软件的帮助下，经过训练，可以对数据进行筛选、解释和学习，一幅地图开始出现。
如果您将该地图与历史数据(在本例中，是93个县两年的大流行经验)进行对比，并相应地进行更新，您可能就拥有了疾病爆发预测系统的材料。
这正是东北大学计算机科学家领导的团队所做的。为了创建COVID-19疫情的早期预警系统，该研究的作者建立了一个“机器学习”系统，能够咀嚼数百万个数字痕迹，结合新的本地发展，将重点放在准确的疾病信号上，并及时生成COVID-19即将爆发的本地激增的通知。
在它搜索的许多互联网搜索中，有一个被证明是即将爆发疫情的一个特别好的警告信号:“COVID会持续多长时间?”
当与真实世界的数据进行测试时，研究人员的机器学习方法可以提前六周预测到本地病毒传播的增加。它的警报大约会在每个感染者有可能将病毒传播给至少一个人的时候响起。
在对367起全县范围内的实际疫情进行预测的测试中，该程序对其中337起(92%)提供了准确的早期预警。在剩下的30次疫情中，它发现了23次，就像人类卫生官员发现它们一样。
一旦omicron变体开始在美国广泛传播，早期预警系统就能够在县一级发现87%的疫情的早期证据。
具有这些功能的预测系统可能对地方、州和国家公共卫生官员有用，他们需要为COVID-19疫情做计划，并警告弱势公民，冠状病毒正在威胁当地即将卷土重来。
但东北大学改善健康和环境机器智能小组负责人毛里西奥·桑蒂拉纳说，“我们的目光已经超越了”COVID。
他说:“我们的工作旨在记录哪些技术和方法可能不仅对这次有用，而且对下一次大流行有用。”“我们正在获得公共卫生官员的信任，所以当另一种疾病开始在全国蔓延时，他们不需要更多的说服力。”
对各州公共卫生机构和疾病控制与预防中心(Centers for Disease Control and Prevention)来说，这可能并不容易接受，所有这些机构都在努力跟上大流行数据，并采用新方法跟踪病毒的传播。CDC主任罗谢尔·瓦伦斯基(Rochelle Walensky)博士承认，CDC在大流行期间无法有效地适应和沟通，导致了一些“非常严重、非常公开的错误”。她警告说，只有“改变文化”才能让联邦机构为下一次大流行做好准备。
美国疾病控制与预防中心在开发预测工具方面的平淡努力也没有为容易被接受铺平道路。2022年对疾病预防控制中心使用的预测工作进行的评估得出结论，大多数人“未能可靠地预测COVID-19病例和住院治疗的快速变化”。该评估报告的作者警告说，迄今为止开发的系统“不应被用来决定趋势快速变化的可能性或时间”。
纽约大学(New York University)机器学习专家阿纳斯·巴里(Anasse Bari)称这个新的预警系统“非常有前景”，尽管“仍处于实验阶段”。
“论文中提出的机器学习方法很好，成熟，研究得很好，”没有参与这项研究的巴里说。但他警告说，在像大流行这样千载难逢的紧急情况下，过度依赖新模型来预测事件将是有风险的。
巴里指出，首先，这种冠状病毒首次与人类接触并没有产生充分测试模型准确性所需的长期历史记录。
疾控中心和州卫生部门才开始使用流行病学技术，如系统动力学基因测序和废水监测来监测冠状病毒的传播。Santillana说，使用机器学习来预测即将到来的病毒激增的位置可能会让这些机构的想象力再次飞跃。
