通过数据驱动的方法和增量学习，该研究针对 SARS-CoV-2 等疫情的不确定性，成功解决了病毒爆发期间的准确预测问题。

Sep, 2023

在这篇文章中，我们提出了一种基于深度学习估计疫情参数的流行病学参数预测工具包，结合遗传算法组件搜索决策制定者设定的约束和目标的最优权衡 / 政策来预测病例和死亡，并且实验结果表明我们的方法比 75% 的传统基于规则的流行病学模型预测出错率更低，在学习转移和未见过的国家测试的情况下实现了 95% 的 R2 得分。

Jun, 2020

该论文提出了一种利用推特数据进行监测和响应的 COVID-19 系统，帮助南亚东部国家的卫生管理者理解其医疗设施的负担和方向调配资源，尤其是针对医院患者数量的激增和缺乏呼吸机等关键设备。

Jul, 2020

本文旨在通过基于自回归综合移动平均模型和小波预测模型的混合方法，对加拿大、法国、印度、韩国和英国进行短期（10 天）预测，另外运用最优回归树算法对 50 个受疫情影响巨大的国家进行病死率风险评估，旨在有效分配医疗资源和提供政策决策的预警。

Apr, 2020

通过构建一组小型模型，而非单一的大型模型，来建立一个研究框架，旨在为 COVID-19 危机中制定决策提供支持，该策略有许多优点，这篇论文以模型家族为例进行讲解。

Jun, 2023

基于相似风险评估的策略转移和决策支持方法 (STDSA) 用于决策支持，结果表明 STDSA 模型生成的建议比纯 K-means 模型的建议更准确、与实际情况更相符，为缺乏经验的地区在预防和控制流行病方面提供了新的见解。

Apr, 2024

本文利用动态因果模型和集成动力学，通过对干预和不同人群间的差异进行建模，量化了冠状病毒在不同情况下的不确定性和预测。同时，该研究还观察到了群体免疫导致的非线性影响和自组织缓解过程方面的有趣现象。

Apr, 2020

展示了一种集成可靠、快速部署的先进 AI 系统，用于自动分析 CT 图像以检测 COVID-19 感染概率，并通过分类和分割组件减少医生检测时间，提高 COVID-19 检测效率。AI 系统还通过锚集相似性分配 3D CT 扫描的感染概率，提供解释性，协助医生及时确认和隔离感染患者。

Mar, 2024

为了实现和评估公共卫生政策，我们利用机器学习技术开发了一个框架，从感染数据中提取流行病动态，其中包含一个结合了空间元胞自动机和时间易感 - 未诊断 - 感染 - 移除模型的县级时空流行病学模型，该模型显示了 CA-SUIR 模型在不同政策下的多级风险和冠状病毒传播模式。通过此研究，我们预测了德国 412 个区县的 COVID-19 流行病学水平，包括 t-day-ahead 风险预测和对旅行限制政策的风险评估。这种可干预的评估系统可以帮助决定经济重启和公共卫生政策制定。

Nov, 2020

本研究开发了基于深度学习模型的方法来预测新冠疫情在美国的传播趋势，并通过门控循环单元结构整合了人口统计信息和疫情时间序列数据，最终确定了主导的人口统计因素。

Aug, 2020