金域醫學推動人工智能與氣象科學融合，提升病毒預警能力

金域醫學與廣州呼吸健康研究院副院長團隊、廣州醫科大學金域檢驗學院、廣東省感染性疾病智能化診斷技術工程研究中心以及廣州市傳染性疾病臨床快速診斷與預警重點實驗室聯合開發了一種全新的呼吸道病毒感染風險預測模型。該研究成果《Development of a respiratory virus risk model with environmental data based on interpretable machine learning methods》已發表于氣候學和大氣科學領域國際頂級學術期刊、地球科學領域三大Nature子刊之一《npj Climate and Atmospheric Science》（中科院1區，5年影響因子：9.7）。

利用SHAP框架，解析環境因素對感染風險影響

基于全國范圍內的呼吸道病毒檢測數據，結合空氣質量、氣象數據等多維度環境因素，研究團隊成功構建了一個基于鏈式隨機森林分類器（CRFC）的機器學習模型。該模型不僅能夠準確預測多種呼吸道病毒的感染風險，還通過SHapley Additive exPlanations（SHAP）框架對模型的預測結果進行解釋，揭示了年齡、NO?濃度、氣溫等關鍵因素對呼吸道病毒感染風險的影響。

研究團隊收集了2016年至2021年間全國31個省市的呼吸道病毒檢測數據，涵蓋了多種常見的呼吸道病毒，如流感病毒（IV）、腺病毒（ADV）、呼吸道合胞病毒（RSV）等。同時，結合了空氣質量指數（AQI）、氣象數據等環境因素，構建了一個全面的數據集。數據集最終包含19161條有效記錄，涵蓋了空氣質量指數（AQI）、氣象數據（如氣溫、風速、濕度等）以及患者的基本信息（如年齡、性別等）。

開發多標簽分類模型，提升呼吸道病毒預測能力

通過CRFC算法，研究團隊成功開發出多標簽分類模型，能夠同時預測多種呼吸道病毒的感染風險。模型的平均準確率達到0.76，平均AUC（曲線下面積）高達0.9，表現出優異的預測性能。該模型不僅適用于中國地區的呼吸道病毒風險預測，還具備擴展到其他地區和人群的潛力。通過結合環境數據和個體基本信息，模型可以為臨床決策和公共衛生規劃提供有力支持。

依托金域醫學全國范圍內呼吸道感染病毒檢測大數據以及空氣污染物和氣象數據，該研究探索空氣污染和氣象因素對呼吸道病毒的影響機制，為臨床醫生提供更直觀、可信的診斷依據，有望實現對病原體傳播趨勢和潛在風險的實時精準評估，助力政府持續監測以及了解區域內呼吸道病毒的傳播模式和流行病學特征。此前，該呼吸道病毒流行風險預警模型還獲得2024年廣州市農業和社會發展科技專項項目的支持。

金域醫學將利用積累的全面、特有的大數據優勢，以人工智能技術驅動，在數據挖掘、模型構建等方面重點發力，不斷精進模型各項功能，促進氣象科學、醫學和人工智能的交叉融合，為人類健康的發展作出更大貢獻。

【廣告】 （免責聲明：本文為本網站出于傳播商業信息之目的進行轉載發布，不代表本網站的觀點及立場。本文所涉文、圖、音視頻等資料的一切權利和法律責任歸材料提供方所有和承擔。本網站對此資訊文字、圖片等所有信息的真實性不作任何保證或承諾，亦不構成任何購買、投資等建議，據此操作者風險自擔。） 本文為轉載內容，授權事宜請聯系原著作權人，如有侵權，請聯系本網進行刪除。