全球健康的隐形缝线
以人工智能赋能的流行病情报作为全球公共产品
作者：
Víctor Piriz Correa，MD，MPH CEO – Seniors International Consulting (SICs)
新冠疫情暴露出一个令人不安的悖论：世界拥有前所未有的数据规模、日益精密的流行病学模型以及迅速演进的人工智能（AI）能力，然而许多国家的应对却依然依赖碎片化的信息系统、部门壁垒以及监测、临床服务与政治决策之间薄弱的衔接机制。
问题不仅在于技术能力不足，更在于制度整合的缺失。其后果是响应失衡、延迟，并在人类生命、社会稳定与经济发展层面付出巨大代价。
在此背景下，流行病情报（Epidemic Intelligence, EI）已不再只是技术性分支，而是现代卫生体系与全球卫生安全的核心结构性功能。人工智能并非目的本身，而是将数据、机构与决策连接起来的“隐形缝线”。正如高级定制时装所揭示的道理：织物的坚固不仅取决于布料质量，更取决于看不见却至关重要的缝合结构。
当今，人工智能赋能的流行病情报必须被视为一种全球公共产品。一旦失效，其外部性影响将跨越国界，波及经济稳定、社会凝聚与民主治理。这一视角重新界定了国家、多边开发银行及主要资助方在卫生体系与数字化转型投资中的战略角色。
从技术专长到全球公共产品
流行病情报可被界定为一个有组织的循环过程：收集、分析并解释来自多种来源的信息，以识别、核实并评估公共卫生威胁。其核心内容包括：
基于病例、综合征及事件的监测
早期信号识别与核实
在《国际卫生条例》框架下的风险评估与决策支持
通过警报、公报及事件管理系统进行信息整合与传播
在美洲地区，泛美卫生组织及其成员国每年处理数以百万计的报告与数百条潜在信号，其中部分最终演变为需要协调行动的公共卫生事件。
新冠疫情期间，这一体系受到严重冲击，原因包括：
国家信息系统之间高度分割
数据流缺乏互操作性，导致重复与延迟
数据与算法治理框架薄弱
后疫情时代的结论十分明确：若缺乏制度性“缝合”，体系在最关键时刻便会撕裂。
人工智能在公共卫生中的价值增益
公共卫生基本职能为人工智能创造系统性增值空间。关键不在于替代，而在于嵌入式增强。
1. 形势分析、监测与规划
人工智能能够：
支持持续性人群健康监测
通过机器学习与深度学习识别发病率、重症率与死亡率中的细微模式
整合临床数据、搜索趋势、社交媒体与新闻来源，提高监测灵敏度
构建传播情景模型并优化资源配置
基于流动性与网络模型进行地理空间映射
诸如 ProMED、HealthMap、BlueDot 与 EPIWATCH 等平台，展示了开放源情报与数字数据流如何补充传统监测体系。
2. 促进、预防与风险沟通
在健康促进与社会沟通领域，人工智能可以：
加速疫苗与治疗手段的研发
运用自然语言处理监测舆情与错误信息传播
支持文化适配型沟通策略
实时评估公共卫生传播效果
在信息传播速度超过病原体传播速度的时代，叙事治理已成为流行病情报不可分割的一部分。
3. 治理、监管与系统质量
在制度治理层面，人工智能有助于：
协调综合卫生系统中的质量标准
支持医疗技术监管
识别财务与运营异常
在政策实施前进行情景模拟
技术互操作性是关键前提。诸如 Health Level Seven International 推动的 FHIR 标准，为人工智能模型安全嵌入电子病历与监测平台提供了制度基础。
4. 人力资源与能力建设
基于人工智能的培训平台可实现个性化学习，涵盖流行病学、数据治理与伦理规范。然而，制度判断与专业能力仍然是核心要素；人工智能只能放大人类能力，而不能取而代之。
从理念到实践：人工智能在流行病情报中的运作形态
在操作层面，人工智能主要通过以下方式发挥作用：
基于知识规则的决策支持系统
多语言文本的自然语言处理与自动分类
异常检测与趋势预测的机器学习模型
处理复杂时间序列与医学影像的深度学习架构
将语音转换为结构化数据的自动语音识别系统
经验表明，将传统流行病学方法与人工智能进行多模态融合，往往比单一技术更为稳健。
全球公共产品的实践案例：EIOS 2.0
一个具体案例是 世界卫生组织 对“开放源流行病情报系统”（EIOS 2.0）的升级。
根据其2025年的官方通告，新版本强化了系统可扩展性，引入人工智能驱动的信号检测机制，整合自动转录的广播内容等新数据来源，并增强成员国之间的多语言协作能力。
EIOS 作为免费提供的全球公共产品，辅以技术指南与培训网络，体现了人工智能如何成为连接多源数据与全球合作架构的“隐形缝线”。
人工智能治理：从碎片化到系统整合
后疫情时代人工智能工具的迅速扩散——包括预测仪表盘、分诊聊天机器人与自动预警系统——若缺乏治理框架，可能加剧数字碎片化。
稳健的治理体系应包括：
公平性、透明性与可解释性原则
明确的问责机制
基于国际标准的互操作性
与公共卫生核心职能的制度化整合
唯有如此，人工智能才能成为系统整合的关键纽带，而非新的断裂点。
结论
新冠疫情是一场对数字治理与流行病情报体系的压力测试。它揭示的核心问题并非数据或算法本身，而是制度性整合能力的不足。
在负责任治理框架下，人工智能能够将分散的数据转化为可行动的情报，增强卫生体系韧性，并维护经济与社会稳定。
作为全球公共产品的流行病情报，将成为二十一世纪全球卫生安全与社会韧性的战略支柱之一。
参考文献
World Health Organization. WHO upgrades its public health intelligence system to boost global health security. 2025.
Abat C. Traditional and syndromic surveillance of infectious diseases. Int J Infect Dis.
Brownstein JS et al. Advances in artificial intelligence for infectious-disease surveillance. N Engl J Med.
Morley J et al. The ethics of AI in health care. Soc Sci Med.
Li J et al. Enhancing epidemic forecasting accuracy by combining real-time and historical data. JMIR Public Health Surveill.
Santillana M et al. Combining search, social media, and traditional data sources to improve influenza surveillance. PLoS Comput Biol.