新冠肺炎凸顯了在有效預測和應對新發傳染病方面的重大差距。疫情的毀滅性影響是一個持久的提醒。雖然我們擺脫了新冠肺炎，其他病毒或新突變仍可能構成威脅。

隨著病毒爆發能夠以前所未有的速度出現和發展，全球衛生界面臨著保持領先地位的持續挑戰。風險很高，因為預測病毒突變和準備有效對策的能力可能意味著遏制和災難之間的區別。

如今我們有了一個強大的新盟友——人工智能（AI）。但是人工智能能幫助預測下一次疫情嗎？它能幫助我們更好地應對病毒爆發嗎？

雖然研究人員可能還無法僅通過觀察新病毒的基因序列來預測其進化方式，從而實現大流行防范，但人工智能可以幫助我們預測現有病毒如嚴重急性呼吸系統綜合征冠狀病毒2型和流感病毒的進化方式。

這些病毒，特別是RNA病毒，經常發生突變，有時會使它們逃避宿主免疫并更快地傳播。預測病毒的進化變化可以使研究人員提前開發疫苗和抗病毒治療方法。

HMS Blavatnik研究所系統生物學教授Debora Marks說：“我們想知道是否可以預測病毒的變異并預測新的變異，因為如果可以的話，這對設計疫苗和療法將極其重要。”

目前，人工智能可以成功預測單個短期突變，但它還不能預測未來可能發生的突變組合。基于人工智能的蛋白質結構預測工具的出現，如DeepMind的AlphaFold和Meta的ESMFold，為我們預測病毒進化的能力提供了巨大的潛力。

哈佛醫學院和牛津大學的研究人員開發了基于人工智能的EVEscape工具，用于預測病毒如何變異以逃避免疫系統。它結合了進化序列，顯示了類似病毒在過去是如何進化的，以及關于當前病毒的生物和結構信息。該工具已被證明在預測新冠肺炎大流行期間的重大突變方面有效，目前正用于預測SARS-CoV-2和其他病毒的未來變異。

聯合首席研究員Nicole Thadani解釋說：“我們正在獲取有關免疫系統如何工作的生物信息，并將其與我們從更廣泛的病毒進化史中獲得的知識相結合。”

這些人工智能模型分析大量數據來預測蛋白質將如何折疊和相互作用，幫助科學家預測潛在的突變及其影響。雖然這些工具還不完美，但它們是我們對抗不斷進化的病毒的重要一步。

令人鼓舞的是，有大量數據可用于訓練這些模型，研究人員有近1700萬個序列可用于訓練他們的模型。當然，我們需要更多高質量的數據來提高人工智能模型的準確性。

用于預測病毒進化的人工智能模型有一個明顯的局限性。雖然他們可以預測病毒基因組微小變化的影響，但他們很難預測突然的重大進化飛躍，例如嚴重急性呼吸系統綜合征冠狀病毒2型的奧密克戎變異株，該變異株有50多個突變。隨著數據的增加，我們可能需要更復雜的人工智能模型來預測所有形式的病毒進化。

格拉斯哥大學的病毒學家David Robertson和他的團隊正在完善人工智能模型，以理解這些巨大的進化飛躍及其局限性。他們的目標是在早期迅速識別病毒的突變能力及其適應性，幫助更有效地預測和管理未來的威脅。

科學界正在以各種方式使用人工智能工具來解決病毒進化和流行病防范問題。從預測潛在的新變種到了解這些變化如何影響公共衛生，人工智能的作用比以往任何時候都更加重要。