Key points are not available for this paper at this time.
Die Integration vorheriger epidemiologischer Kenntnisse, die in mechanistischen Modellen eingebettet sind, mit den Datenanalysefähigkeiten der künstlichen Intelligenz (KI) bietet ein transformative Potenzial für die epidemiologische Modellierung. Während die Fusion von KI und traditionellen mechanistischen Ansätzen schnell voranschreitet, bleiben die Bemühungen fragmentiert. Diese Scoping-Überprüfung bietet einen umfassenden Überblick über aufkommende integrierte Modelle, die über das Spektrum der Infektionskrankheiten angewendet werden. Durch systematische Suchstrategien identifizierten wir 245 geeignete Studien aus 15.460 Datensätzen. Unsere Überprüfung hebt den praktischen Wert integrierter Modelle hervor, einschließlich Fortschritte bei der Krankheitsprognose, Modellparametrisierung und Kalibrierung. Es bestehen jedoch wesentliche Forschungslücken. Dazu gehören die Notwendigkeit besserer Berücksichtigung realistischer Entscheidungsfindung, eine erweiterte Erkundung vielfältiger Datensätze und eine vertiefte Untersuchung biologischer und sozial-verhaltensbedingter Mechanismen. Die Schließung dieser Lücken wird das synergistische Potenzial von KI und mechanistischer Modellierung freisetzen, um das Verständnis der Krankheitsdynamik zu verbessern und eine effektivere öffentliche Gesundheitsplanung und -reaktion zu unterstützen.
Ye et al. (Fr.), untersuchten diese Frage.