摘要

对正在爆发的传染病短期传播进行预测，面临着参与因素复杂且相互关联的挑战，这些因素既包括多模态变量，也涵盖公共政策与人类行为的交互影响。本文提出了一种名为 PandemicLLM 的框架，该框架基于多模态大语言模型，将实时流行病预测重新表述为文本推理问题，并能够整合实时、复杂且非数值化的信息。研究通过人工智能—人类协同提示词设计与时序表示学习，实现对多模态数据的编码。以 COVID-19 疫情为应用场景，PandemicLLM 利用公共卫生政策文本、基因组监测、空间与流行病学时序数据进行训练，并在美国 50 个州开展了为期 19 个月的测试。结果表明，PandemicLLM 在整合异构信息来源方面具备独特优势，且相较现有模型展现出显著性能提升。

同时，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起"AI × 传播 " 读书会，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索 AI 与传播的前沿交叉，来深度理解传播机制和传播生态。欢迎对此话题感兴趣的朋友报名加入社群。

关键词：大语言模型；实时流行病预测；多模态数据；文本推理；住院趋势分类；基因组监测；提示词设计；时序表示学习

彭晨丨作者

论文题目：Advancing real-time infectious disease forecasting using large language models

发表时间：2025 年 6 月 6 日

论文地址：https://www.nature.com/articles/s43588-025-00798-6

发表期刊：Nature Computational Science

流行病短期预测对公共卫生应急决策至关重要。然而，现有机制模型（mechanistic models）虽可融入场景假设，却难以及时捕捉复杂多变的实时信息；统计模型虽对近期趋势具有较好适应性，却在整合多源异构数据、响应突发政策调整及新毒株出现等方面存在明显局限。此外，将预测结果可靠地转化为可信的决策指导，并向公众传递清晰的置信度信息，也是一大难题。近年大型语言模型（LLMs）在多模态上下文学习与文本推理方面展现了卓越能力，为破解上述困境提供了全新思路。

PandemicLLM 框架概览：

将疫情预测化为文本推理

面对复杂多元的疫情数据，研究团队提出模型 PandemicLLM，将传统的数值预测问题转化为 LLM 擅长的文本推理任务。首先，通过人工智能—人类协同提示词设计（AI – human cooperative prompt design），将空间、流行病学时序、公共卫生政策及基因组监测（genomic surveillance）等多模态数据，统一转换为自然语言描述（图 1a）。随后，采用循环神经网络 RNN 对时序数据进行表征学习，并将其嵌入到提示文本中（图 2）。最终，以 LLaMA2 为基础模型，通过一系列有监督的微调操作，在 " 模型生成→概率计算 " 中，输出未来 1 周和 3 周的住院趋势分类预测及相应的置信度。

图 1. PandemicLLM 的流行病数据处理流程。

多模态数据的整合与文本化

PandemicLLM 在数据准备阶段，构建了覆盖美国 50 个州、104 周的 5 200 条记录，包含四类信息：一是静态的空间数据，包括人口结构、医疗系统评分及 2020 年总统选举结果；二是周度流行病学时序数据，如每万居民住院率、报告病例与疫苗接种率；三是政府干预政策文本，记录学校与公共活动限令、口罩令等；四是基因组监测数据，既有权威组织对新变异株的文本报告，也有 CDC 加权估算的变异株比例。研究团队基于专家知识，将各州指标排名转化为 " 高于平均 "" 接近平均 "" 低于平均 " 等描述，并借助 AI 生成时序数据摘要，确保提示文字既准确又连贯。

图 2. 人工智能 - 人类合作提示词设计。美国所有 50 个州的空间数据被转换成语言描述，以反映指标排名；策略数据包括严格级别和每周的变化。流行病学时间序列数据使用叙述生成（narrative generation）和表征学习。表征学习组件使用 RNN 编码器，图中显示了一个基于 GRU 的编码器，其中 σ 表示 sigmoid 激活函数。基因组监测数据将变异特征的文本摘要与近期流行情况相结合。

模型训练与验证流程

在提示文本与序列表示构建完毕后，PandemicLLM 展开细致的训练与验证：研究团队构建三版模型—— PandemicLLM-1（使用前 5 个月数据）、PandemicLLM-2（前 11 个月数据）与 PandemicLLM-3（20 个月数据），并分别在之后 19、13、4 个月的数据上测试，均未进行额外再训练。

模型采用交叉熵及改进的损失函数，细化对不同类别错误的惩罚。为对比基准，研究选取 CDC Ensemble Model 的预测结果，并将其连续分位数输出映射为五类 HTC 类别，确保可比性。

性能评估与可信度分析

综合准确率、加权均方误差（weight MSE，WMSE）、Brier 得分与排名概率得分（RPS）等指标，三个版本的 PandemicLLM 在 1 周与 3 周预测上均显著超越 CDC Ensemble Model，尤其在关键转折点（如 2021 年 9 月流行高峰和 2022 年初 Omicron 来袭）保持稳定性能。

进一步通过 " 置信度阈值 " 分析发现，随着预测置信度增加，模型精准度同样提升：PandemicLLM-2 在置信度≥ 0.85 时，1 周预测正确率达 75%、3 周达 77%，为决策者提供了可依赖的风险指南。此外，通过时间匿名化提示与全模型去标识化测试，验证了 PandemicLLM 对先验知识的稳健依赖，确保了预测的公正与可信。

图 3. PandemicLLM 模型表现评估。三种 PandemicLLM 与 CDC 集成模型的跨时间性能比较 y 轴表示 WMSE 的尺度。图中的每组柱状图代表了特定一周内所有 50 个州的 WMSE 分布。a、1 周预测效果。b、3 周预测表现。

传统模型在应对突变株时存在的问题是，常因报告滞后而预测失准。PandemicLLM 独特之处在于，可将权威机构对新变异株的传染性、重症率与免疫逃逸等文本信息，连同当周变异株比例嵌入提示词。实验证明，在 2022 年 10 月起新变异株快速流行阶段，加入基因组监测信息的 PandemicLLM-3 较对照版本，预测置信度平均提升 20.1%，WMSE 平均降低 28.2%，显著增强了对上升趋势的敏锐捕捉。

应用前景与挑战

PandemicLLM 开创性地将多源异构疫情数据整合为自然语言输入，为短期预测提供了新范式。未来，随着本地化数据（如县级监测、废水流行病学及行为调查）的加入，可进一步细化到更小范围的决策支持。另一方面，LLM 微调仍需大量算力与数据，难以直接用于长期数值预测及资源受限场景；模型内在 " 黑箱 " 特性也需结合可解释性工具加以缓解。总之，PandemicLLM 为疫情应急响应注入了 AI 与文本推理的创新动力，展望可推广至流感、呼吸道合胞病毒等更多公共卫生领域，为精准预警与科学决策提供坚实支撑。

AI × 传播读书会会

在 AI 快速发展的当下，AI 不仅深刻影响着信息传播的方式，也为传播学研究带来了全新视角和方法。基于此，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起"AI × 传播 " 读书会，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索 AI 与传播的前沿交叉，来深度理解传播机制和传播生态。读书会自 8 月 23 日起，每周六 10:00-12:00 举行，预计持续 12 周。欢迎扫码加入，共建 "AI × 传播 " 社区。

详情请见：当机器成为主体，传播学要如何应对？| AI × 传播读书会发布