《中国人工智能学会通讯》——12.14 结束语

12.14 结束语

基于智能信息处理技术的接触追踪是一种主动的传染病防控策略，主要用于传染病的早期发现和及时干预。接触追踪方法的研究不仅会进一步丰富人们防控传染病的手段，还能进一步深化人们对自身接触行为的理解和认识。如前所述，现有的追踪方法可分为个体追踪、群体追踪和动态追踪。个体追踪力图捕获更为细致的接触行为，用于感染者和高风险易感人群的精准定位，但面临着数据收集成本过高和侵犯隐私等问题，不能大规模使用。群体追踪采用亚人群的接触概率近似代替个体接触概率，在一定程度上缓解了个体追踪所面临的主要问题，但由于捕获的接触行为粒度较粗，不能用于接触事件的精准定位。现有的动态追踪方法采用数据驱动的AI方法，通过洞悉传染病监控数据的时变性，逆向推断出群体接触的动态演化模式。该类方法基于复合群体模型，虽然可以刻画更大范围的动态接触行为，但面临着与群体追踪同样的问题，无法精准定位高感染风险的个体。迄今为止，还没有一种方法能够有效地构建出大规模人口在个体水平上的动态接触网络。

此外，为了提高算法的实用性和鲁棒性，更有效地解决实际问题，在构造接触追踪方法时还需进一步考虑如下问题：接触行为具有空间异构性，接触行为的演化具有周期性和突变性，如何在模型中更好地刻画这些特性？如何从数据中学习出具有这些特性的动态接触网络？如何进一步降低现有模型的复杂度，使得基于数据驱动的学习更加高效？在可用数据十分稀疏、有噪声、有缺失的情况下，如何保证模型学习的可靠性？