Může umělá inteligence předpovědět šíření hantaviru na základě dat z médií ?

Jak uvádí zpráva z května 2026, AI systémy dokážou zpracovávat velké objemy vícejazyčných zpravodajských zpráv, předzpracovat je pomocí rozpoznávání pojmenovaných entit, aby extrahovaly údaje o událostech a počtech případů, a následně tyto signály poskytnout epidemiologickým modelům, které odhadují riziko přenosu hantaviru. Několik výzkumných prototypů ukázalo, že kombinace modelů založených na transformerech s kompartmentovými modely může reprodukovat historické vzorce propuknutí a poskytovat krátkodobé předpovědi s přesností srovnatelnou s tradičními systémy sledování, i když výkonnost klesá, pokud je pokrytí místních médií řídké nebo zkreslené. Veřejnězdravotnické agentury tyto AI procesy dosud neintegrovaly do rutinních sledovacích nástrojů.

Background

As of 2024, AI systems ingest large volumes of multilingual news reports, pre-process them with named-entity recognition to extract event and case counts, and then feed those signals into epidemiological models that estimate hantavirus transmission risk. Several research prototypes have shown that combining transformer-based language models with compartmental models can reproduce historical outbreak patterns and provide short-term forecasts with accuracy comparable to traditional surveillance systems [World Health Organization, 2026]. Performance degrades when coverage of local media is sparse or biased. Public-health agencies have not yet integrated these AI pipelines into routine surveillance dashboards.