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

新冠肺炎疫情凸显了流行病预测在公共卫生和经济等多个领域决策中的重要性。由于多种混杂因素，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。佐治亚理工学院的研究团队在Nature Machine Intelligence上发表的综述文章讨论了各种方法和实践进展，包括症状在线调查、零售和商业、流动性和基因组学数据等数据集，以及数据驱动的统计和基于深度学习的方法。文章还讨论了混合模型和实际部署中的经验和挑战，并强调了未来疫情防范中的一些挑战和公开问题。