AI-Powered Active Vaccine Safety Surveillance for Detecting Rare Adverse Events of Special Interest (AESI) Following Pandemic Vaccinations: A Scoping Review
这项针对 20 项研究的范围综述表明，人工智能通过利用多样化的数据源来加速病例检测、信息提取和信号优先级排序，从而增强了针对大流行相关不良事件的主动疫苗安全性监测，进而强化了全球上市后监测框架。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，将世界的免疫系统想象成一座繁忙、喧闹的城市。当一种新的危险病毒到来时，城市的卫生官员会部署一个巨大的盾牌——疫苗——来保护每个人。但由于这些盾牌是为了阻止大流行病而匆忙制造并部署的，官员们不可能在向全城发放之前，对每一个人都进行测试。他们知道这些盾牌对绝大多数人有效，但他们担心那些“机器中的幽灵”：即只有在数百万人同时使用盾牌时才可能出现的极其罕见、奇特的副作用。这些被称为“特别关注的不良事件”（AESI）。它们就像是在寻找十亿块砖头中仅有的某一种特定类型的裂缝；通过在实验室里观察仅仅几块砖头，是看不出这种裂缝的。为了找到这些罕见的裂缝，官员们需要时刻监视整个城市，而不仅仅是等待人们在感到不适时打电话求助。这正是人工智能（AI）发挥作用的地方。把 AI 想象成一个拥有超能力、不知疲倦的侦探，它可以在眨眼之间阅读数百万份医疗记录、扫描社交媒体帖子并检查医院记录，寻找那些人类肉眼可能会忽略的微小、隐藏的裂缝。
这篇论文是一项“范围综述”（scoping review），这基本上是一次大型的地图绘制远征。作者们是一支来自澳大利亚和印度尼西亚大学的研究团队，他们想要了解目前存在哪些工具可以帮助这些 AI 侦探在流行病期间发现罕见的疫苗副作用。他们并没有亲自进行新的实验；相反，他们收集并分析了 20 项已经发表的研究，这些研究发表于 2021 年至 2025 年之间。他们寻找的是任何使用了 AI（例如机器学习、深度学习或自然语言处理——即那种能够阅读并理解人类文本的 AI）的研究，这些研究旨在主动搜寻人们接种流行病疫苗后的安全性信号，特别是针对 COVID-19 和流感。
他们绘制的这张地图揭示了 AI 已经在疫苗安全领域被用作强大的助手，但它并不是一个能解决所有问题的魔杖。在他们发现的 20 项研究中，大多数侧重于 COVID-19 疫苗（其中 17 项），且大多数发表于 2021 年和 2022 年，正值世界处于大流行病最严重的时期。研究人员发现，AI 在这项侦探工作中扮演了两个主要角色。首先，它充当病例检测器。就像一位图书管理员能在拥有数百万本书籍的图书馆中瞬间找到一本特定的书一样，AI 可以扫描杂乱、非结构化的数据——例如医生的手写笔记、放射科报告或影像扫描——以寻找可能患有血栓或心脏炎症等罕见疾病的特定患者。在 9 项研究中，AI 通过读取电子健康记录，提取出了那些标准计算机代码经常会遗漏的隐藏病例。
其次，AI 充当了战略侦察兵。它不仅仅是寻找坏事，还帮助预测谁可能面临风险、筛查早期预警信号，或者倾听人们在社交媒体上的声音。例如，有 6 项研究使用 AI 扫描 Twitter 和 Facebook 等平台，以观察人们是否在实时抱怨副作用。这就像是在山上有一个侦察兵，在官方消息到达之前，就能听到山谷中传出的传闻。AI 可以识别这些对话中的模式，比如特定症状提及次数的突然激增，从而给卫生官员提供进一步调查的预警。
然而，论文非常明确地指出了局限性。这些 AI 侦探仍在学习阶段。作者指出，虽然 AI 擅长寻找候选对象或标记信号，但它目前还不完美。当 AI 阅读医生笔记时，它有时可能会误解语境或忽略细节，因为文字可能写得很凌乱。当它扫描社交媒体时，它必须应对大量的噪音——人们在开玩笑、传播虚假信息，或者仅仅是在抱怨而并非真的生病。论文提到，在许多这类研究中，AI 的发现仍需经过人类专家的复核。它是一个能加速过程并帮助确定追踪线索优先级的工具，但它并不能取代细致的人类审查。
研究人员还发现，大部分这种高科技侦探工作发生在像美国和韩国这样的富裕国家，而在数据系统可能更为碎片化的低收入地区，相关研究却很少。这表明，尽管这项技术前景广阔，但要确保每个人、在任何地方都能获得同等水平的安全监测，仍有很长的路要走。
最后，这篇论文表明，AI 是疫苗安全的“游戏规则改变者”，但它是一个合作伙伴，而非替代品。它帮助卫生官员从一个缓慢、被动的系统（等待人们报告问题）转向一个快速、主动的系统（主动搜寻问题）。通过结合医院记录、影像报告甚至社交媒体的数据，AI 可以帮助比以前更快地发现那些罕见且危险的副作用。作者总结道，虽然我们还没有实现一个完全自动化、完美的安全网，但这些工具正在加强全球性的安全框架，引导我们走向一个能够以惊人的速度和精度检测并应对风险的未来。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。