融合多模态数据的呼吸道传染病风险预测模型研究进展

胡颖虹; 冯建麟; 陈佳淇; 赖泽祺; 梁靖怡; 程思涵; 杨子峰

doi:10.13885/j.issn.2097-681X.T20260027

兰州大学学报（医学版） ›› 2026, Vol. 52 ›› Issue (4) : 83 -90+105. DOI: 10.13885/j.issn.2097-681X.T20260027

融合多模态数据的呼吸道传染病风险预测模型研究进展

胡颖虹, 冯建麟, 陈佳淇, 赖泽祺, 梁靖怡, 程思涵, 杨子峰

作者信息 +

Author information +

文章历史 +

摘要

呼吸道传染病的精准预测对公共卫生决策至关重要。传统预测方法多依赖单一数据源和统计模型，难以充分捕捉环境、社会行为与疾病传播之间的复杂非线性关系。近年来，随着人工智能的发展，融合气象、医疗监测、社会行为等多模态数据的预测模型成为研究热点。本文系统综述多模态数据在呼吸道病毒风险预测中的应用进展，重点分析特征级、决策级与模型级融合技术的演进，并探索可解释人工智能、联邦学习等新兴方法在提升模型透明度和数据隐私保护方面的潜力。指出了当前面临的数据异质性、模型可解释性不足及跨机构数据共享困难等挑战，并展望了未来研究应向自适应、实时、边缘化部署的方向发展，以推动呼吸道传染病监测从医院走向社区与家庭。