12.10 接触追踪 : 传染病防控的 AI 方法

传染病的每次爆发都会给人类社会带来巨大损失。1918 年的西班牙大流感导致 2 000 多万人死亡。截止到 2013 年，全球约有 33 亿人感染过疟疾，每60 秒就有一人死于疟疾。肺结核致死率已经超过艾滋病，成为世界上最致命的传染病，南非约有 80%的人口患有潜伏性肺结核，仅在 2013 年就有 45 万例肺结核阳性患者。传染病在威胁人类生命的同时也带来了巨大经济损失。据统计，疟疾每年给非洲各国造成的经济损失多达 120 亿美元，季节性流感每年给美国造成的经济负担高达 870 亿美元[2] 。

医学的进步提供了抵抗各种传染病的疫苗和药物，大大降低了它们对人类社会的危害，但由病毒的抗药性和变异性所导致的突发和新发传染病依然令我们猝不及防、束手无策，始终处于“被动挨打”的局面。例如，2009 年爆发的 H1N1 流感，变异为 2014 年的 H7N9 流感和 2015 年的 H3N2 流感。H3N2 病毒于 2015 年 1 月开始在香港扩散，短短 1个月就夺去 122 人的生命[3] ，3 个月后死亡人数上升至 591 人。由此可见，在人类抵抗各类传染病入侵的斗争中，仅仅依靠研发新疫苗的“亡羊补牢式”策略远不够用，还需更加积极有效的“主动防控”方法，以迅速发现和封锁突发和新发传染病的传播途径，将它们禁锢在最小范围，直至根除。

大多数传染病都通过人与人的“接触”传播。在计算传染病学中，人与人之间的接触被定义为“相同物理环境中不同个体间的交互行为”[4] 。人与人的接触行为构成传播病毒的“接触网络”，网络结点表示个体，网络链接表示接触关系。接触网络的结构显著影响着病毒扩散的时空模式。以通过飞沫扩散的呼吸道传染病为例，个体间面对面的谈话、握手，以及人群的聚集、乘坐交通工具等行为都会引起病毒的扩散，增加感染者传染易感者的几率。追踪人的接触行为，还原出“隐形”的病毒传播通道，不仅可以快速定位和隔离接触过感染者的高风险个体，还可以帮助人们定量分析传染病传播的途径、过程和趋势，制定相应的疫情控制策略。

接触追踪面临的最大困难在于，直接描述接触行为的数据难以获取。由于个体间的接触行为常常是琐碎、多样，不易被直接观测和记录，因此很难收集到足够多、高质量的接触数据，供接触追踪使用。在疾病传播过程中，我们能观测到的是疾病传播所产生的影响，而非个体间的直接相互作用。如图 1 所示，在 H7N9 禽流感爆发过程中，我们很难确定一名患者在出行途中通过接触传染了哪些个体，而仅能观测到不同时间和空间内新增的 H7N9病例数和死亡人数。 

流行病学和计算机科学的学者对如何准确捕获个体接触行为数据、如何从其他数据源间接推断出接触网络做了很多探索，提出了多种方法。这些方法大都广泛采用了与 AI 相关的技术，如智能感知、网络分析、数据可视化、机器学习、多源异构数据挖掘、数据驱动的逆向工程和多智能体模拟等。根据接触建模的粒度，现有方法又可分为个体接触追踪、群体接触追踪和动态接触追踪，下面分别叙述和讨论。