2026年AI驱动的疫情预测模型在公共卫生应急中的实时应用与局限性.docx

PAGE2

《2026年AI驱动的疫情预测模型在公共卫生应急中的实时应用与局限性》

一、调研概述

1.1调研背景与目的

随着全球化进程的加速与生态环境的变迁，新发突发传染病的威胁日益严峻，公共卫生安全已成为全球治理的核心议题。进入2026年，人工智能技术特别是深度学习与大语言模型的融合，使得疫情预测模型从简单的统计推断迈向了复杂的多模态实时推演。然而，技术的飞跃并未完全消除应急响应中的痛点，数据孤岛、模型可解释性差以及公众信任危机依然制约着防控效能。

本次调研旨在深入剖析AI驱动的疫情预测模型在公共卫生应急中的实际应用效果，特别是聚焦于传染病数字追踪领域。调研核心目的在于评估大数据分析