将来，类似的技术也可以用于预测CO-VID-19感染的浪潮。由于CO-VID-19是一种新型病
毒，因此没有用于训练AI算法的历史数据。Ning指出，仍然每天都在收集大量位置编码的
CO-VID-19数据。宁说：“随着我们继续研究CO-VID-19大流行，这可以使我们更快地训练算
法。”
得益于史蒂文斯理工学院研究人员开发的一种新的基于AI的预测工具，预测流感的爆发
变得更加容易。
通过合并位置数据，AI系统能够胜过其他-新的预测方法，准确性提高多达11%，并可以
在15周之前预测流感爆发。
过去的预测工具试图通过研究感染率随时间变化的方式来发现模式，但是领导史蒂文斯研究的
岳宁和她的团队使用图神经网络将流感病毒感染编码为相互联-系的区域集群。这使得他们的算
法可以找出流行性感冒感染从一个区域流向另一区域的方式中的模式，并且还可以使用某个区
域中发现的模式来告知其在其他位置的预测。
计算机科学副教授宁说：“捕获时空的相互作用使我们的机制能够识别隐藏的模式，并比
以往任何时候都更准确地预测流感的爆发。”“通过实现更好的资源分配和公共卫生计划，该工
具将对我们应对流感爆发的方式产生重大影响。”
Ning和她的团队使用来自美国和日本的真实州和地区数据训练了他们的AI工具，然后针对
历史流感数据测试了其预测。其他模型可以使用过去的数据提前一周或两周来预测流感爆发，
但是结合位置数据可以在几个月的时间内进行更可靠的预测。他们的工作在第29届ACM信息和
知识管理会议的10月19日至23日会议记录中进行了报道。
Ning解释说：“我们的模型也非常透明-其他AI预测使用“黑匣子”算法，我们能够解释为什
么我们的系统做出了具体的预测，以及它如何认为不同地区的疫情会相互影响。
