中国政府友谊奖、中国国际科学技术合作奖获得者，奥斯陆大学教授尼尔斯·斯坦塞斯 　　“疾病学家、生态学家、流行病学家需要共同识别，哪一个模型、哪一个参数真正有效，而不是把这些完全交给人工智能。”

　　“在当今世界成为一名科学家，是很好的体验。”中国政府友谊奖、中国国际科学技术合作奖获得者，奥斯陆大学教授尼尔斯·斯坦塞斯以“数字孪生技术在传染病防控中的应用：经典统计建模、人工智能与机器学习技术”为题作主题报告。

　　斯坦塞斯致力于生态学与全球变化、数学、进化生物学的交叉与融合研究，创建了奥斯陆大学生态与进化研究中心，并牵头建立了该校医学院大流行病与统一健康研究中心。

　　什么是数字孪生？斯坦塞斯解释，简言之，数字孪生就是物理系统的“另一个身份”。在流行病学领域，就是把真实的病原体传播过程抽象为模型，持续从现实世界获取数据，再反过来服务于现实世界。

　　举个例子，此前他与清华大学团队合作构建流行病学数字孪生模型，研究禽流感如何从局部暴发演变成全球大流行。通过获取全球飞行数据，构建简化模型，反映出携带病原体的人群以及其移动方式，他们得到了相关结论。“很多过去难以解答的问题，现在因为数据和参数赋能而得以解决。”

　　“未来，可能会有新的病原体出现。”斯坦塞斯谈道，对于新的病原体，我们可能对它的生物结构、传播方式、潜伏期、暴发时间、传播概率等几乎一无所知，必须在本地、区域、全球三个层面同步做好防控。比如研发新的疫苗，就需要考虑不同地区的人口结构和特征，以及如何进行疫苗分发和接种等。借助基因组数据、人际传播数据、旅行数据、社交媒体数据等各种数据，数字孪生就可以发挥很好的作用，帮助我们回答上述问题，做好未来应对疫情的准备。

　　不过，作为一名传统统计学建模专家，他也提醒，在建模过程中，还需要关注显著性——某项干预是否产生了统计学上的显著结果，但目前人工智能尚不能提供这类判断。因此，人类与人工智能的协作至关重要，疾病学家、生态学家、流行病学家需要共同识别，哪一个模型、哪一个参数真正有效，而不是把这些完全交给人工智能。

　　演讲尾声，他强调，传染病防控，需要各方携手构建全球合作体系，由世界卫生组织协调并提升效率，尤其是信息数据的获取，建立全球监测体系以及信息共享机制，在没有发生疫情、没有面临紧急状态时就做好准备。