機(jī)器學(xué)習(xí)在傳染病臨床決策支持系統(tǒng)中應(yīng)用的研究進(jìn)展

宋雪青，張學(xué)靚，馬曉萌，許翠萍，2*

1.山東大學(xué)護(hù)理與康復(fù)學(xué)院，山東 250012；2.山東第一醫(yī)科大學(xué)第一附屬醫(yī)院（山東省千佛山醫(yī)院）

《2022年世界衛(wèi)生統(tǒng)計(jì)報(bào)告》指出傳染?。╥nfectious disease，ID）仍是全球十大死亡原因之一，結(jié)核病、艾滋病、瘧疾以及熱帶病和乙型病毒性肝炎等傳染病使中低收入國(guó)家承受著沉重的負(fù)擔(dān)[1]。2020 年暴發(fā)的新型冠狀病毒感染（COVID-19）更是對(duì)全球公共衛(wèi)生安全造成巨大的危機(jī)，如何加強(qiáng)對(duì)傳染病的應(yīng)對(duì)與管理已成為全球性的挑戰(zhàn)。隨著電子健康記錄（EHR）的廣泛使用，醫(yī)療保健數(shù)據(jù)的可用性顯著增加，為人工智能（artificial intelligence，AI）在傳染病管理的應(yīng)用創(chuàng)造了條件。專家系統(tǒng)（expert system，ES）的開(kāi)發(fā)是人工智能在醫(yī)療衛(wèi)生領(lǐng)域的開(kāi)始，專家系統(tǒng)基于從醫(yī)學(xué)專家訪談中獲取的規(guī)則進(jìn)行翻譯和編程，但受限于在臨床決策中捕獲專家知識(shí)時(shí)需要大量的規(guī)則且在處理意外情況時(shí)缺乏靈活性，專家系統(tǒng)并未得到良好的應(yīng)用[2]。而運(yùn)用專家系統(tǒng)設(shè)計(jì)原理和方法的臨床決策支持系統(tǒng)（clinical decision support systems，CDSS）是醫(yī)療衛(wèi)生和人工智能領(lǐng)域交叉融合的重要應(yīng)用[3-4]，能夠智能輔助醫(yī)護(hù)人員作出最佳臨床決策，提高醫(yī)護(hù)人員工作效率與指南依從性，具有良好的應(yīng)用效果[5]。機(jī)器學(xué)習(xí)（machine learning，ML）作為人工智能領(lǐng)域的核心，與CDSS 結(jié)合形成機(jī)器學(xué)習(xí)臨床決策支持系統(tǒng)（machine learning-clinical decision support systems，ML-CDSS）更是在傳染性疾病的管理中發(fā)揮了重要作用?；诖耍F(xiàn)從應(yīng)用基礎(chǔ)、應(yīng)用現(xiàn)狀、面臨挑戰(zhàn)及未來(lái)發(fā)展趨勢(shì)4 個(gè)方面對(duì)ML-CDSS 在傳染病管理中的相關(guān)研究進(jìn)行綜述，旨在進(jìn)一步增強(qiáng)對(duì)傳染性疾病的智能管理、為智慧醫(yī)療的發(fā)展提供參考及借鑒。

1 ML-CDSS 在傳染病管理中的應(yīng)用基礎(chǔ)

機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的核心，對(duì)于數(shù)據(jù)的匯集、分析、管理及再利用方面顯示出良好的效能[6]。隨著電子健康記錄的廣泛使用、醫(yī)療相關(guān)信息化平臺(tái)的不斷完善與發(fā)展，醫(yī)療保健記錄被長(zhǎng)期留存，產(chǎn)生了大量的可用性數(shù)據(jù)，為機(jī)器學(xué)習(xí)在醫(yī)療衛(wèi)生領(lǐng)域的發(fā)展奠定了堅(jiān)實(shí)基礎(chǔ)[7]。常見(jiàn)的機(jī)器學(xué)習(xí)算法包括決策樹(shù)、隨機(jī)森林、支持向量機(jī)、k-最近鄰算法和樸素貝葉斯算法等[8]，其運(yùn)作是工程師以明確的計(jì)算機(jī)代碼的形式提取知識(shí)，指導(dǎo)計(jì)算機(jī)準(zhǔn)確地處理數(shù)據(jù)和做出決策，與傳統(tǒng)方法相比，機(jī)器學(xué)習(xí)是從示例中學(xué)習(xí)而不是用規(guī)則編程，能夠直接從大量的數(shù)據(jù)中學(xué)習(xí)規(guī)則，因此在沒(méi)有明確指令的情況下也可以適應(yīng)未知的情況，具有較高的靈活性，在臨床使用中可以通過(guò)電子健康記錄中的大量數(shù)據(jù)，基于學(xué)習(xí)策略和方法，自動(dòng)創(chuàng)建規(guī)則，學(xué)習(xí)大量病人的健康軌跡模式，在醫(yī)生個(gè)人實(shí)踐經(jīng)驗(yàn)的信息中獲取信息，幫助醫(yī)生預(yù)測(cè)未來(lái)事件[9]。機(jī)器學(xué)習(xí)突破了專家系統(tǒng)的約束，能夠從數(shù)據(jù)中學(xué)習(xí)、挖掘信息，提取數(shù)據(jù)中的潛在規(guī)律和模式并預(yù)測(cè)、解釋未知的情況[10]，克服了知識(shí)庫(kù)型系統(tǒng)知識(shí)來(lái)源有限和缺乏臨床特征綜合評(píng)估的局限性[2]。而ML-CDSS 則是以結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)，在既往數(shù)據(jù)的基礎(chǔ)上結(jié)合病人實(shí)際情況通過(guò)學(xué)習(xí)策略和算法構(gòu)建新的規(guī)則，獲得對(duì)新數(shù)據(jù)的識(shí)別和預(yù)測(cè)能力，協(xié)助臨床決策[11]。目前，隨著傳染病管理的進(jìn)一步規(guī)范、感染管理系統(tǒng)和各信息平臺(tái)的不斷完善，產(chǎn)生了龐大的可用性數(shù)據(jù)，基于大數(shù)據(jù)的ML-CDSS 對(duì)傳染病的管理已成為發(fā)展趨勢(shì)[5,12]，有利于推動(dòng)傳染病的精細(xì)化智能管理。

2 ML-CDSS 在傳染病管理中的應(yīng)用現(xiàn)狀

ML-CDSS 可高效、動(dòng)態(tài)地整合病人的各種生理指標(biāo)與病情變化信息，基于知識(shí)庫(kù)和人工智能技術(shù)，為醫(yī)生在疾病的診斷、治療、風(fēng)險(xiǎn)預(yù)測(cè)、合理用藥等方面提供決策支持[13]，在傳染病的規(guī)范化管理中凸顯出重要地位。

2.1 傳染病的診斷和預(yù)警

基于機(jī)器學(xué)習(xí)的CDSS 在傳染病的診斷和預(yù)警方面發(fā)揮了重要作用。何海鋒等[14]提出了基于機(jī)器學(xué)習(xí)的CDSS，利用知識(shí)庫(kù)引擎鑒別診斷新型冠狀病毒感染等的病例，設(shè)計(jì)監(jiān)測(cè)預(yù)警方案并合理對(duì)接醫(yī)院疾病防控與感染控制信息系統(tǒng)，提高了對(duì)新型冠狀病毒感染的感知、預(yù)警及決策，并能夠進(jìn)行質(zhì)控跟蹤。Wu等[15]基于中國(guó)、意大利、比利時(shí)等多中心隊(duì)列回顧性地開(kāi)發(fā)了一項(xiàng)用于入院時(shí)新型冠狀病毒感染病人嚴(yán)重程度風(fēng)險(xiǎn)預(yù)測(cè)和分診的臨床決策系統(tǒng)，并前瞻性地驗(yàn)證該系統(tǒng)的使用效能，以評(píng)估疾病的嚴(yán)重程度及其進(jìn)展，結(jié)果顯示，基于機(jī)器學(xué)習(xí)的臨床決策系統(tǒng)有助于獲取重癥和危重癥新型冠狀病毒感染病人的發(fā)病情況診斷以及入院時(shí)的分診情況，Chen 等[16]開(kāi)發(fā)的模型也得出相似結(jié)論。一項(xiàng)研究提出了基于血液檢查數(shù)據(jù)的ML-CDSS 預(yù)測(cè)新型冠狀病毒感染死亡風(fēng)險(xiǎn)，該研究提供的決策支持系統(tǒng)有助于準(zhǔn)確預(yù)測(cè)新型冠狀病毒感染病人的死亡率，協(xié)助臨床醫(yī)生采取治療方案預(yù)防病人早期死亡[17]，McRae 等[18]的研究也得出同樣的結(jié)果。另有一項(xiàng)報(bào)告指出，ML-CDSS 能夠改善艾滋病的監(jiān)測(cè)，可以提高醫(yī)院內(nèi)外的艾滋病檢測(cè)率，有助于及時(shí)發(fā)現(xiàn)艾滋病毒感染并加強(qiáng)診斷[19]。一項(xiàng)在越南中部進(jìn)行的研究開(kāi)發(fā)了基于3 種不同機(jī)器學(xué)習(xí)算法的包含結(jié)核、病毒性肝炎等在內(nèi)的8 種傳染病CDSS，在有限的條件下使用有限的數(shù)據(jù)開(kāi)發(fā)的系統(tǒng)診斷準(zhǔn)確率達(dá)到了85%，充分證實(shí)了基于機(jī)器學(xué)習(xí)的CDSS 在傳染病的診斷中具有可行性[20]。綜上，既往研究均顯示ML-CDSS 在傳染病的診斷、預(yù)警及預(yù)后預(yù)測(cè)等方面顯示出良好的應(yīng)用效能，并具有進(jìn)一步推廣使用的可能性。

2.2 傳染病的合理用藥

一項(xiàng)Meta 分析顯示，用于藥物管理的ML-CDSS對(duì)于病人結(jié)局和醫(yī)生臨床實(shí)踐等方面具有積極影響[21]。當(dāng)前基于傳染病的ML-CDSS 在抗菌藥物使用方面展現(xiàn)出良好的應(yīng)用效能。卓燁燁等[11]綜述了基于有廣泛穩(wěn)定數(shù)據(jù)來(lái)源的醫(yī)院信息系統(tǒng)（HIS）構(gòu)建的抗菌藥物管理的ML-CDSS，研究結(jié)果顯示ML-CDSS 的應(yīng)用仍處于起步階段，國(guó)內(nèi)主要用于促進(jìn)抗菌藥物的合理使用，國(guó)外則傾向于協(xié)助優(yōu)化抗菌藥物的治療方案，其靈敏度和準(zhǔn)確率均較高。Shen 等[22]使用機(jī)器學(xué)習(xí)的方法，結(jié)合了傳染病和抗生素處方領(lǐng)域的知識(shí)獲取、本體構(gòu)建、系統(tǒng)建模和決策支持，開(kāi)發(fā)了抗生素使用決策支持系統(tǒng)（IDDAP），該系統(tǒng)從病人角度出發(fā)，充分考慮了病人個(gè)體特征，及時(shí)識(shí)別可能的傳染病并在嚴(yán)重或可能致命的情況下發(fā)出警告，并在受控條件下確定適當(dāng)?shù)闹委煼桨浮?guó)外一項(xiàng)研究綜述了機(jī)器學(xué)習(xí)在實(shí)體器官移植病人抗菌藥物使用的臨床決策支持，而基于機(jī)器學(xué)習(xí)的CDSS 對(duì)于實(shí)體器官移植這一特殊人群感染并發(fā)癥的預(yù)測(cè)以及傳染病的診斷和治療均有幫助，同時(shí)可以在充分考慮到免疫抑制劑使用的影響下指導(dǎo)抗菌藥物劑量的選擇[23]。Lennert 等[24]于2022 年提出了耐藥結(jié)核病人基于機(jī)器學(xué)習(xí)的混合治療臨床決策系統(tǒng)的開(kāi)發(fā)，并進(jìn)行了初步驗(yàn)證，次年開(kāi)發(fā)了為利福平耐藥的結(jié)核病病人提供最佳治療方案的臨床決策系統(tǒng)，該系統(tǒng)能夠自動(dòng)形成個(gè)性化治療方案，從病人角度平衡有效性、耐受性，并從健康系統(tǒng)角度平衡可行性。研究結(jié)果顯示新開(kāi)發(fā)的臨床決策系統(tǒng)有助于改善利福平耐藥結(jié)核病病人的治療結(jié)局[25]。由此可見(jiàn)，ML-CDSS 在傳染病病人的合理用藥方面表現(xiàn)出了良好的應(yīng)用效能。

2.3 傳染病的規(guī)范化管理

朱瑞芳等[26]開(kāi)發(fā)了一項(xiàng)基于機(jī)器學(xué)習(xí)的臨床決策支持系統(tǒng)，探究其對(duì)結(jié)核潛伏感染（LTBI）高危病人篩查和診斷的效果，研究結(jié)果顯示基于機(jī)器學(xué)習(xí)的CDSS 有助于增強(qiáng)LTBI 的篩查精準(zhǔn)性，有助于優(yōu)化對(duì)LTBI 的規(guī)范管理。王夢(mèng)瑩等[27]的研究將基于機(jī)器學(xué)習(xí)及人工智能等的醫(yī)生CDSS 嵌入醫(yī)生工作站中，利用大數(shù)據(jù)和人工智能技術(shù)實(shí)現(xiàn)對(duì)疑似傳染病的預(yù)警、確診及動(dòng)態(tài)追蹤等，為傳染病的防控、趨勢(shì)分析等提供了科學(xué)依據(jù)。ML-CDSS 的開(kāi)發(fā)為傳染病的規(guī)范化管理提供新的方向。一項(xiàng)在12 所醫(yī)院開(kāi)發(fā)的基于機(jī)器學(xué)習(xí)的CDSS 被用作協(xié)助急診科醫(yī)生對(duì)疑似新型冠狀病毒感染病人做出臨床決策，該系統(tǒng)可以有效加強(qiáng)醫(yī)護(hù)工作者對(duì)病人的護(hù)理，減少不恰當(dāng)?shù)臎Q策，并優(yōu)化資源的利用[28]。一項(xiàng)綜述顯示將預(yù)測(cè)分析技術(shù)與臨床信息學(xué)相結(jié)合的ML-CDSS 為醫(yī)療者提供了實(shí)時(shí)干預(yù)的潛力，并可以改善艾滋病病人從診斷到病毒抑制的連續(xù)性護(hù)理結(jié)果，從而達(dá)到規(guī)范化管理的效果[29]。一項(xiàng)研究顯示，基于簡(jiǎn)化的人工智能CDSS 有助于在有限的資源環(huán)境中協(xié)助臨床決策，加強(qiáng)對(duì)醫(yī)療衛(wèi)生落后地區(qū)傳染病的管理[20]。另一項(xiàng)研究顯示，在資源有限的國(guó)家，ML-CDSS 可以早期發(fā)現(xiàn)艾滋病病人的不配合和失訪情況，及時(shí)采取措施降低其發(fā)生率，使該類病人重新參與到醫(yī)療護(hù)理過(guò)程中，從而提高護(hù)理質(zhì)量[30]。在我國(guó)新型冠狀病毒感染大流行期間，Liu 等[31]開(kāi)發(fā)了一項(xiàng)基于機(jī)器學(xué)習(xí)的新型冠狀病毒感染臨床決策系統(tǒng)（DDC19），通過(guò)收集潛在病人的健康信息，為潛在病人提供動(dòng)態(tài)評(píng)估，協(xié)助醫(yī)務(wù)工作者管理病人并對(duì)病人做出進(jìn)一步臨床決策。另一項(xiàng)研究除了證實(shí)ML-CDSS 能夠協(xié)助進(jìn)行艾滋病病人的臨床決策之外，同時(shí)保護(hù)了病人記錄的隱私和臨床醫(yī)生決策的機(jī)密性，規(guī)范了艾滋病的管理[32]。

除此之外，機(jī)器學(xué)習(xí)還可用于根據(jù)臨床文獻(xiàn)自動(dòng)選擇可能符合隨機(jī)對(duì)照試驗(yàn)條件的病人，或識(shí)別可能受益于研究中的早期或新療法的高風(fēng)險(xiǎn)病人或亞群，可以輔助臨床決策，使衛(wèi)生系統(tǒng)能夠?qū)γ糠N臨床情況進(jìn)行更嚴(yán)格的研究，降低成本和管理開(kāi)銷[9]，在傳染病的信息化管理中具有巨大的潛力。

3 ML-CDSS 在傳染病管理中的應(yīng)用挑戰(zhàn)和未來(lái)發(fā)展趨勢(shì)

3.1 應(yīng)用挑戰(zhàn)

由于臨床狀態(tài)和決策過(guò)程的復(fù)雜性、數(shù)據(jù)缺失以及缺乏基于統(tǒng)計(jì)的簡(jiǎn)易分析工具，有效提取臨床決策支持的能力有限，因此機(jī)器學(xué)習(xí)臨床決策系統(tǒng)在臨床使用中存在一定的挑戰(zhàn)。

3.1.1 數(shù)據(jù)的可用性較差

與傳染病相關(guān)的醫(yī)療保健相關(guān)數(shù)據(jù)規(guī)模龐大，非結(jié)構(gòu)化數(shù)據(jù)眾多，數(shù)據(jù)質(zhì)量難以保證，數(shù)據(jù)缺失、不同物理系統(tǒng)間難以協(xié)調(diào)等問(wèn)題仍然存在[29,33]，導(dǎo)致ML-CDSS 的可解釋性和可溯性較差，另外開(kāi)放共享的大型數(shù)據(jù)庫(kù)尚未建立[23]，同時(shí)缺乏對(duì)于ML-CDSS使用和評(píng)估的規(guī)范標(biāo)準(zhǔn)，已開(kāi)發(fā)的系統(tǒng)未得到驗(yàn)證，為ML-CDSS 的開(kāi)發(fā)和應(yīng)用帶來(lái)了巨大的挑戰(zhàn)[34]。電子系統(tǒng)的開(kāi)發(fā)研究者多為大數(shù)據(jù)分析人員，較少有醫(yī)護(hù)人員參加，部分工具的研發(fā)無(wú)法與臨床工作相吻合，導(dǎo)致研究結(jié)果的準(zhǔn)確性有待進(jìn)一步證實(shí)[35]。除此之外，因弱勢(shì)群體獲得醫(yī)療保健機(jī)會(huì)少，ML-CDSS 在弱勢(shì)群體中的可用性較低，削弱了ML-CDSS 對(duì)弱勢(shì)群體做出充分預(yù)測(cè)的能力[2,36]，在使用過(guò)程中存在一定的偏倚。

3.1.2 缺乏統(tǒng)一的倫理準(zhǔn)則

一項(xiàng)研究指出人工智能在醫(yī)療衛(wèi)生領(lǐng)域發(fā)揮巨大價(jià)值的同時(shí)也為醫(yī)患關(guān)系帶來(lái)了巨大的倫理挑戰(zhàn)，可能會(huì)導(dǎo)致病人權(quán)益難以保障、醫(yī)務(wù)人員的主體責(zé)任和實(shí)踐能力削弱，且對(duì)醫(yī)務(wù)人員的主體地位亦是一項(xiàng)挑戰(zhàn)[37]?，F(xiàn)階段，人工智能在醫(yī)療衛(wèi)生領(lǐng)域管理和監(jiān)督的法律體系尚未完善，仍缺乏道德標(biāo)準(zhǔn)則以及實(shí)踐指南，由傳染病病人的隱私性帶來(lái)的潛在醫(yī)患矛盾易被激化[29]，因此ML-CDSS 在臨床的應(yīng)用相對(duì)局限，且臨床醫(yī)務(wù)工作者是否需要為ML-CDSS 的決策承擔(dān)法律后果仍存在不同意見(jiàn)[34,38]。除此之外，機(jī)器學(xué)習(xí)雖能模擬人腦進(jìn)行數(shù)據(jù)的分析和再利用，但無(wú)法重現(xiàn)人腦的情感等高級(jí)思維活動(dòng)，缺乏對(duì)傳染病病人的人文關(guān)懷理念和能力，無(wú)法給予病人相應(yīng)的心理支持。

3.1.3 盲目信任或缺乏信心可能導(dǎo)致臨床決策失誤

關(guān)于人工智能等應(yīng)用方法的培訓(xùn)和教育在臨床中開(kāi)展不足[39-40]，導(dǎo)致醫(yī)務(wù)工作者對(duì)于新興智慧決策管理系統(tǒng)理解較差，對(duì)于ML-CDSS 的工作原理、內(nèi)部流程的自動(dòng)化系統(tǒng)缺乏了解，使用過(guò)程中缺乏信心，未能在決策過(guò)程中提供較好的循證支持。另一方面，對(duì)于ML-CDSS 完全信任亦是一種極度危險(xiǎn)的狀態(tài)，既往存在機(jī)器學(xué)習(xí)驅(qū)動(dòng)的決策建議失誤的情況，若在傳染病病人的決策過(guò)程中缺乏對(duì)病人個(gè)體化的考量，對(duì)于機(jī)器學(xué)習(xí)驅(qū)動(dòng)的臨床決策建議完全接受，缺乏批判性思維，將可能導(dǎo)致決策失誤造成醫(yī)源性疾病，對(duì)ML-CDSS 的開(kāi)發(fā)與應(yīng)用產(chǎn)生不良影響[2]。除此之外，ML-CDSS 的可解釋性、可追溯性與可持續(xù)性也是巨大的挑戰(zhàn)。

3.2 未來(lái)發(fā)展趨勢(shì)

機(jī)器學(xué)習(xí)等技術(shù)已經(jīng)廣泛應(yīng)用于各個(gè)行業(yè)，在數(shù)據(jù)計(jì)算、多維數(shù)據(jù)擬合等方面表現(xiàn)出顯著優(yōu)勢(shì)，在疾病診斷預(yù)測(cè)建模中得到良好的應(yīng)用[41-43]，且在醫(yī)療衛(wèi)生領(lǐng)域仍具有較大潛力和發(fā)展空間。ML-CDSS 目前已在結(jié)核病、艾滋病、新型冠狀病毒感染等傳染病的診斷治療決策中發(fā)揮了重要作用，但在其他傳染病疾病如病毒性肝炎、寄生蟲(chóng)病等的管理中少有研究，且在醫(yī)院感染管理的應(yīng)用案例較少，與其他物理信息系統(tǒng)的嵌合欠佳，與臨床環(huán)境的結(jié)構(gòu)化整合過(guò)程尚未完善，可解釋性及持續(xù)性相對(duì)較差，這可能會(huì)成為未來(lái)研究重點(diǎn)關(guān)注的問(wèn)題和方向。

ML-CDSS 是基于高質(zhì)量數(shù)據(jù)庫(kù)的新型決策系統(tǒng)，因此專注于開(kāi)發(fā)大型臨床數(shù)據(jù)庫(kù)，獲取高質(zhì)量、全面、多樣、共享的數(shù)據(jù)是今后能否快速發(fā)展的關(guān)鍵，尤其是在中低收入國(guó)家高質(zhì)量、高可用性的臨床數(shù)據(jù)庫(kù)的開(kāi)發(fā)，為ML-CDSS 的開(kāi)發(fā)提供機(jī)會(huì)，同時(shí)增加弱勢(shì)群體獲取醫(yī)療保健的機(jī)會(huì)。此外，對(duì)尚未有實(shí)際應(yīng)用的數(shù)據(jù)源以及其他非電子病歷之外的數(shù)據(jù)可作為電子健康記錄的補(bǔ)充，便于日后揭示其在臨床實(shí)踐中與疾病診斷決策的相關(guān)性[29]。除此之外，多學(xué)科協(xié)作也將成為傳染病管理的發(fā)展方向，其已在眾多疾病的診治中發(fā)揮了重要作用[44-45]。智能化的ML-CDSS 與多學(xué)科協(xié)作管理模式相結(jié)合，可以從多角度、全方位地評(píng)估并針對(duì)某一群體病人整合醫(yī)療資源，為病人確定最佳治療方法，通過(guò)整合醫(yī)療對(duì)病人進(jìn)行綜合性診治和護(hù)理，為臨床信息化發(fā)展創(chuàng)造無(wú)限空間。

4 小結(jié)

隨著醫(yī)療衛(wèi)生領(lǐng)域的信息化發(fā)展，機(jī)器學(xué)習(xí)在傳染病管理的管理應(yīng)用中凸顯出重要地位，ML-CDSS已在傳染病的診斷及預(yù)警、規(guī)范化管理、合理用藥等方面發(fā)揮了重要作用，在醫(yī)療衛(wèi)生領(lǐng)域中仍具有巨大潛力，但ML-CDSS 在開(kāi)發(fā)和臨床使用中仍存在數(shù)據(jù)可用性差、缺乏統(tǒng)一的倫理準(zhǔn)則、使用過(guò)程中盲目信任或缺乏信心等情況，需進(jìn)一步采用科學(xué)的方法彌補(bǔ)此類不足。未來(lái)可對(duì)未開(kāi)發(fā)的領(lǐng)域進(jìn)一步研究，并致力于在全球尤其是中低收入國(guó)家開(kāi)發(fā)高質(zhì)量、共享開(kāi)放的大型數(shù)據(jù)庫(kù)，并加強(qiáng)ML-CDSS 與其他物理系統(tǒng)的有機(jī)嵌合以增強(qiáng)其可塑性，并與多學(xué)科協(xié)作相結(jié)合，充分發(fā)揮人工智能在傳染病管理中的作用和優(yōu)勢(shì)。