研究进展：数据驱动-新冠预测-机器学习 | Nature Machine Intelligence

文章预览

新冠肺炎疫情，彰显了流行病预测对从公共卫生到经济等多个领域决策者的重要性。由于多种混杂因素（如人类行为、病原体动态和环境条件）预测疾病疫情进展是一项艰巨的任务。 然而，公共卫生和资助机构激增的研究兴趣和倡议，推动了新数据源的可用性，这些数据源捕捉了以前无法观察到的疾病传播方面，为大量“以数据为中心”的计算解决方案铺平了道路，这些解决方案有望增强疾病疫情的预测能力。 近日，美国 佐治亚理工学院 (Georgia Institute of Technology) Alexander Rodríguez, Harshavardhan Kamarthi，B. Aditya Prakash等，在Nature Machine Intelligence上发表综述文章，讨论了各种方法和实践进展，并介绍了概念框架。 首先，列出了相关的数据集，如症状在线调查，零售和商业，流动性和基因组学数据。然后考虑方法，重点关注最近数据驱动的统计和基于深度 ………………………………