北方飞鼠能够携带可传染给人类的病原体。图片来源：Stone Nature Photography

　　莱姆病、埃博拉和疟疾在感染给人类之前都蛰伏在动物体内。然而预测这种动物传染病何时暴发依然十分困难，但一项新研究指出，人工智能能够为这样的努力注入一剂强心针。

　　研究人员在日前出版的美国《国家科学院院刊》上报告指出，一种结合机器学习能力的计算机模型能够以90%的精确度查明携带病原体的啮齿类动物——这些病原体最终很有可能会传染给人类。

　　这一模型同时还鉴别出了150多个有可能成为疾病宿主的物种，但这一研究结果尚未得到证明。

　　研究显示，中亚地区和美国中西部地区是所有区域中潜在疾病宿主物种密度最高的地区。这一发现让该研究的第一作者、纽约州米尔布鲁克市凯里生态系统研究所生态学家Barbara Han感到吃惊。她说：“我曾经想，‘我们难道没有发现这里的一切吗？’”

　　Han和她的同事最初开始训练他们的模型识别已知能够携带人畜共患疾病的217种啮齿类动物的常见特征。

　　研究人员建立模型来分析动物特征数据库，例如物种的地理分布范围、生殖行为及其是否为任何一种人畜共患病的宿主。

　　该模型基于任意选定的特征将这些数据库中的物种反复分类，其目的只有一个——寻找哪些因素能够让一个物种更容易将其自身携带的病原体传染给人类。最终，该模型开发出一套规则，能够用90%的准确率识别已知的携带病原体的物种。

　　随后研究人员利用他们的模型分析了全世界2277种啮齿类动物疾病传播的可能性。

　　研究人员识别出了包括一些田鼠、松鼠和豚鼠在内的150多种啮齿类动物。人们之前并不知道这些动物可能是动物传染病的宿主，然而根据该模型鉴别使用的因素，它们很有这方面的潜力。

　　纽约巴德学院生物学家Felicia Keesing对于这项研究使用动物的特征，例如每窝仔畜数量或繁殖频率来确定疾病的风险表示赞赏。对于那些曾经暴发动物传染病的地区，这可能会带来比以前的工作更有针对性的疾病监测措施。

　　Keesing表示：“我们不仅可以预测这些动物传染病将在哪里暴发，同时还可以知道导致下一场灾难的物种到底是什么。”

　　复杂的机器学习能力正在整个生态学研究领域得到越来越广泛的应用。这些工作已经发现了从入侵植物的扩散到鸟类飞行路径等诸多事物背后隐藏的模式。

　　伊利诺伊州芝加哥洛约拉大学物种入侵研究人员Reuben Keller指出，学习生态学主要用于进入这一领域并搜集数据。

　　Keller说：“如今，生态学家们正在越来越多地学习如何处理我们从各种渠道搜集来的全部数据。”