In einem Nature- Artikel skizzieren Wissenschaftler in Afrika, Amerika, Asien, Australien und Europa zum ersten Mal, wie Künstliche Intelligenz die Infektionsforschung positiv verändern und die Pandemievorsorge verbessern kann.

Diese Studie skizziert zum ersten Mal, wie Fortschritte in der KI die Durchbrüche in der Erforschung von Infektionskrankheiten und der Reaktion auf den Ausbruch beschleunigen können.

Die Studie, inmitten einer zunehmenden globalen Debatte über KI-Investitionen und -regulierung veröffentlicht, legt besonderen Wert auf Sicherheit, Rechenschaftspflicht und Ethik bei der Bereitstellung und dem Einsatz von KI in der Infektionsforschung.

Die Studie fordert ein kollaboratives und transparentes Umfeld - sowohl in Bezug auf Datensätze als auch auf KI-Modelle - und ist eine Partnerschaft zwischen Wissenschaftlern der Universität Oxford und Kollegen von akademischen, industriellen und politischen Organisationen in Afrika, Amerika, Asien, Australien und Europa.

Bisher konzentrierten sich die medizinischen Anwendungen von KI vor allem auf

die individuelle Patientenversorgung,
die Verbesserung der klinischen Diagnostik,
der Präzisionsmedizin
oder die Unterstützung klinischer Behandlungsentscheidungen.

Diese Überprüfung berücksichtigt stattdessen den Einsatz von KI in der Bevölkerungsgesundheit.

Die Studie kommt zu dem Ergebnis, dass die jüngsten Fortschritte bei KI-Methoden auch bei begrenzten Daten immer besser funktionieren – ein großer Engpass bis heute.

Eine bessere Leistung bei lauten und begrenzten Daten eröffnet neue Bereiche für KI-Tools zur Verbesserung der Gesundheit sowohl in Ländern mit hohem Einkommen als auch in einkommensschwachen Ländern.

Zu den Möglichkeiten für KI und Pandemievorsorge, die in der Forschung identifiziert wurden, gehören:

Vielversprechende Fortschritte bei der Beobachtung der Krankheitsausbreitung, mit dem Ziel, die Modellierung robuster, genauer und realistischer zu machen.
Fortschritte bei der Festlegung von Bereichen mit hohem Übertragungspotenzial, die dazu beitragen, dass begrenzte Gesundheitsressourcen auf die effizienteste Art und Weise bereitgestellt werden können.
Potenzial zur Verbesserung genetischer Daten in der Krankheitsüberwachung, die letztlich die Impfstoffentwicklung und die Identifizierung neuer Varianten beschleunigen.
Potenzial, die Eigenschaften neuer Krankheitserreger zu bestimmen, ihre Eigenschaften vorherzusagen und zu identifizieren, ob Cross-Arten-Sprungen wahrscheinlich sind.

Es könnte vorkommen, dass neue Varianten bereits zirkulierender Erreger – wie SARS-CoV-2 und Grippeviren – entstehen könnten.

Eine mögliche KI-gestützte Integration von Daten der Bevölkerung mit Daten aus einzelnen Quellen – einschließlich tragbarer Technologien wie Herzfrequenz und Schrittzahlen – kann zur besseren Erkennung und Überwachung von Ausbrüchen führen.

KI kann eine neue Schnittstelle zwischen den hochtechnischen wissenschaftlichen und medizinischen Fachkräften mit eingeschränkter Ausbildung schaffen und die Kapazität in Umgebungen verbessern, die diese Tools am meisten benötigen.

Nicht alle Bereiche der Pandemievorsorge und -reaktion werden jedoch gleichermaßen von Fortschritten bei der KI beeinflusst.

Während zum Beispiel Protein-Modelle ein großes Versprechen haben, das Verständnis dafür zu beschleunigen, wie Virusmutationen die Ausbreitung und Schwere der Krankheiten beeinflussen können, könnten Fortschritte in grundlegenden Modellen nur bescheidene Verbesserungen gegenüber bestehenden Ansätzen zur Modellierung der Geschwindigkeit liefern, mit der sich ein Erreger ausbreitet.

Die Wissenschaftler mahnen zur Vorsicht, wenn sie vorschlagen, dass KI allein die Herausforderungen für Infektionskrankheiten lösen wird, aber dass die Integration menschlicher Feedbacks in KI-Modellierungs- Workflows dazu beitragen könnte, bestehende Einschränkungen zu überwinden.

Die Autoren schlagen strenge Benchmarks vor, um KI-Modelle zu bewerten, und setzen sich für starke Kooperationen zwischen Regierung, Gesellschaft, Industrie und Wissenschaft für eine nachhaltige und praktische Entwicklung von Modellen zur Verbesserung der menschlichen Gesundheit ein.

Die Studie

Hauptautor Professor Moritz Kraemer vom Pandemic Sciences Institute der Universität Oxford sagte:

"In den nächsten fünf Jahren hat KI das Potenzial, die Pandemievorsorge zu verändern.

"Es wird uns helfen, besser zu antizipieren, wo Ausbrüche beginnen und ihre Flugbahn vorhersagen, indem sie Terabytes routinemäßig gesammelter klimatischer und sozioökonomischer Daten verwenden.

Es könnte auch helfen, die Auswirkungen von Krankheitsausbrüchen auf einzelne Patienten vorherzusagen, indem die Wechselwirkungen zwischen dem Immunsystem und aufkommenden Krankheitserregern untersucht werden.

"Zusammengenommen und wenn sie in die Pandemie-Reaktionssysteme der Länder integriert werden, werden diese Fortschritte das Potenzial haben, Leben zu retten und sicherzustellen, dass die Welt besser auf zukünftige Pandemie-Bedrohungen vorbereitet ist."

Die Autoren beschäftigen sich besonders mit der Qualität und Repräsentanz von Trainingsdaten, der begrenzten Zugänglichkeit von KI-Modellen für die breitere Gemeinschaft und potenziellen Risiken im Zusammenhang mit der Bereitstellung von Black-Box-Modellen für die Entscheidungsfindung.

Der Autor Professor Eric Topol, MD, Gründer und Direktor des Scripps Research Translational Institute, sagte: "Während KI ein bemerkenswertes transformatives Potenzial für die Pandemie- Abschwächung hat, hängt sie von einer umfangreichen weltweiten Zusammenarbeit und von umfassenden, kontinuierlichen Überwachungsdaten- Eingängen ab."

Studienleiter Samir Bhatt vom Universität Kopenhagen und dem Imperial College London sagte: "Ausbrüche von Infektionskrankheiten bleiben eine ständige Bedrohung, aber KI bietet politischen Entscheidungsträgern eine leistungsstarke neue Reihe von Werkzeugen, um fundierte Entscheidungen darüber zu leiten, wann und wie sie eingreifen können."

Der Artikel "Künstliche Intelligenz zur Modellierung von Infektionskrankheiten epidemisch"

kann in Nature gelesen werden. • Moritz U. G. Kraemer, • Joseph L.-H. Tsui, • Serina Y. Chang, • Spyros Lytras, • Mark P. Khurana, • Samantha Vanderslott, • Sumali Bajaj, • Neil Scheidwasser, • Jacob Liam Curran-Sebastian, • Elizaveta Semenova, • Mengyan Zhang, • H. Juliette T. Unwin, • Oliver J. Watson, • Cathal Mills, • Abhishek Dasgupta, • Luca Ferretti, • Samuel V. Scarpino, • Etien Koua, • Oliver Morgan, • Houriiyah Tegally, • Ulrich Paquet, • Loukas Moutsianas, • Christophe Fraser, • Neil M. Ferguson, • … • Samir Bhatt

Nature volume 638, pages 623–635 (2025)

• Abstract: Infectious disease threats to individual and public health are numerous, varied and frequently unexpected.

Artificial intelligence (AI) and related technologies, which are already supporting human decision making in economics, medicine and social science, have the potential to transform the scope and power of infectious disease epidemiology.

Here we consider the application to infectious disease modelling of AI systems that combine machine learning, computational statistics, information retrieval and data science.

We first outline how recent advances in AI can accelerate breakthroughs in answering key epidemiological questions and we discuss specific AI methods that can be applied to routinely collected infectious disease surveillance data.

Second, we elaborate on the social context of AI for infectious disease epidemiology, including issues such as explainability, safety, accountability and ethics.

Finally, we summarize some limitations of AI applications in this field and provide recommendations for how infectious disease epidemiology can harness most effectively current and future developments in AI.

Web-site, das E-Book, die Newsletter und die Vorträge werden mit Hilfe von KI-Lösungen erstellt.

KI kann helfen, die Welt auf die nächste Pandemie vorzubereiten

Die Studie

Weitere Themen

(•) KI hilft bei der Krebsdiagnose

(•) KI kann helfen, die Welt auf die nächste Pandemie vorzubereiten

(•) Die App von Ärzten, für Ärzte