近日，中国科学院空天信息创新研究院（空天院）联合中国疾病预防控制中心、中国疾病预防控制中心传染病预防控制所，结合大语言模型和空间分析等方法系统研究了近三十年来人工智能（AI）赋能传染病研究的全球发展脉络，揭示其国际合作格局、研究主题演进，以及科研关注度与传染病负担之间的空间匹配关系。
机器学习、深度学习和大语言模型等技术快速发展，推动传染病研究由参数驱动向数据驱动转变，并逐步应用于疫情预测、智能诊断和公共卫生监测等领域。然而，现有研究难以揭示AI技术介入后全球传染病研究重点在不同地区和疾病之间的演变规律，以及其与全球传染病负担的匹配程度。
针对这一问题，联合团队构建了融合文献计量、大语言模型信息抽取和空间分析的研究框架。团队以1995年至2026年间的9026篇文献为基础，分析全球发文趋势、合作网络和主题演进，并利用GPT-4o-mini从非结构化文献中提取研究区域与疾病类别，将其与伤残调整寿命年（DALY）指标关联，评估科研关注与公共卫生需求的匹配程度。
结果显示，AI赋能传染病研究经历了早期探索、方法拓展和快速增长三个阶段，全球科研合作逐步形成以美国和中国为核心的双中心格局，印度、韩国和沙特阿拉伯等国家的参与度不断提升，非洲地区也形成了新的合作集群。研究方向则由早期面向疾病监测、分类和预测的应用，逐步转向基于深度学习的疾病诊断与疫情智能分析。新冠疫情进一步推动自然语言处理、社交媒体分析和情感分析等方向发展，使AI应用拓展至舆论监测、危机沟通和政策评估等领域。
同时研究发现，全球科研关注度与传染病负担存在持续的空间错配。AI研究主要集中在科研能力强、计算基础设施完善的国家，而高疾病负担地区多分布于撒哈拉以南非洲以及南亚、东南亚部分地区。不同传染病类别的疾病负担与科研关注呈现不同的空间关联特征。部分地区形成的“低疾病负担—高科研关注”集群，并不意味着在低负担国家开展的AI研究缺乏全球卫生价值。在科研能力较强地区形成的智能诊断、疫情预测和辅助决策技术，仍可通过知识传播、本地化适配与技术转化服务疾病高负担地区。该研究通过整合语义提取和空间分析，将传统的文献计量方法扩展到出版物元数据之外，为评估新兴AI技术与全球公共卫生优先事项的协调程度提供了新框架。
该成果以“Global evolution of AI-related infectious disease research: a bibliometric and LLM-assisted analysis”为题，在线发表于Nature Portfolio旗下数字医学国际顶级期刊《npj Digital Medicine》（中国科学院一区Top，影响因子18.0）。空天院陈映伶、徐敏为共同第一作者，空天院徐敏、王少华为共同通讯作者。相关工作获新发突发与重大传染病防控国家科技重大专项项目资助。
文章信息
Chen, Y., Xu, M., Wang, S. et al. Global evolution of AI-related infectious disease research: a bibliometric and LLM-assisted analysis. npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-03255-4
按传染病类别划分的传染病负担与研究关注度的全球分布
动态新闻