Каждая новая эпидемия ставит один и тот же вопрос: можно ли было её предвидеть? И если да — то поможет ли нам в этом искусственный интеллект?
Группа вирусологов из Медицинского центра Эразмуса в Роттердаме считает, что ИИ действительно имеет потенциал стать инструментом раннего предупреждения. Но с важной оговоркой: технология должна дополнять традиционный эпидемиологический надзор, а не заменять его.
Чтобы понять, как это может работать, стоит вспомнить, откуда вообще берутся новые пандемии. Большинство опасных инфекционных болезней человека — зоонозы, то есть они происходят от животных. Вирус «перепрыгивает» из животного резервуара на человека, а затем, если ему повезёт, адаптируется к передаче между людьми. Такие «прыжки» не происходят случайно — им способствуют вполне конкретные условия: вырубка лесов, которая сближает диких животных с людьми; интенсивное животноводство, где тысячи особей живут в тесном контакте; изменение климата, заставляющее переносчиков болезней мигрировать в новые регионы; рост городов у природных экосистем.
Именно здесь может помочь ИИ, если интегрировать в алгоритмы машинного обучения множество разнородных данных: исторические паттерны эпидемий, плотность населения животных и людей, типы экосистем, климатические условия, степень нарушения природных сред. Теоретически такая модель может определять «горячие точки» — регионы, где риск появления нового патогена самый высокий. А это позволит сконцентрировать ограниченные ресурсы эпидемиологического надзора именно там, где они наиболее нужны.
Когда потенциальный очаг идентифицирован, в игру вступает метагеномное секвенирование — технология, позволяющая обнаруживать генетический материал патогенов в образцах окружающей среды: сточных водах, почве, воздухе, продуктах питания. ИИ может помочь анализировать эти массивы данных и выделять сигналы, требующие внимания экспертов.
Ещё одна перспективная область — оценка риска уже выявленных патогенов. Вирусный геном содержит информацию о потенциальной заразности и опасности возбудителя. Современные модели ИИ, используемые для предсказания структуры белков, могут анализировать, как конкретные мутации влияют на свойства вируса — его способность связываться с клетками человека, уклоняться от иммунного ответа, вызывать тяжёлое течение болезни. Это могло бы существенно ускорить оценку инфекционной угрозы.
Впрочем, исследователи предостерегают от чрезмерного оптимизма. Главная проблема — качество и надёжность результатов. ИИ-системы всё чаще позиционируют как «соавторов науки», способных синтезировать литературу, генерировать гипотезы и даже писать предварительные отчёты. Но кто будет проверять их работу? Результаты ИИ-анализа становятся всё сложнее отличить от выводов человека-эксперта, и это создаёт риск некритического принятия ошибочных рекомендаций.
По мнению экспертов, к ИИ-инструментам следует относиться с той же требовательностью, что и к новым диагностическим тестам. Прозрачность, валидация, мультидисциплинарный контроль — без этого самый мощный алгоритм может стать источником опасных ошибок.
Концепция «Единое здоровье» (One Health), которую продвигает ВОЗ, предполагает интеграцию данных о здоровье людей, животных и экосистем. Для этого можно привлекать ИИ — но лишь как часть системы, где окончательные решения принимают люди. Следующую пандемию, возможно, предскажет алгоритм. Но остановить её смогут только учёные, врачи и работники здравоохранения, которые вовремя прислушаются к предупреждению.