在 COVID-19 疫情爆发五年多后，全球研究人员仍在努力预测下一次大流行可能带来的数百万生命损失及经济混乱。总部位于奥斯陆的疫情防控创新联盟（CEPI）研究与开发数据创新负责人 Polina Brangel 正致力于阻止这一潜在危机。
Brangel 于 2007 年在以色列内盖夫本古里安大学开始学习生物技术工程，并于 2012 年获得学士和硕士学位。同年晚些时候，她进入伦敦帝国理工学院攻读生物工程和生物医学工程博士学位。她的早期工作主要集中在用于肿瘤诊断的生物传感器开发上，随后转向快速诊断（侧流）测试的开发，以检测各种癌症生物标志物。2014 年西非埃博拉疫情爆发期间，世界卫生组织（WHO）呼吁开发快速、简单且准确的疾病检测方法，这促使 Brangel 将工作重点转向应对埃博拉，从而开启了她在流行病准备领域的职业生涯。
Brangel 于 2023 年加入 CEPI。此前，她开发了用于评估埃博拉病患者免疫生物标志物的测试，并研究了 COVID-19 引发的免疫反应。目前，她的工作重心在于保护公众免受“疾病 X”的威胁。在接受采访时，Brangel 探讨了她在该领域的工作经历、从 COVID-19 大流行中汲取的经验教训，以及人工智能在防疫准备中的角色。
什么是“疾病 X”？
“疾病 X”是世界卫生组织在其 2018 年流行病研究与开发蓝图中提出的概念，指代一种假设性的、能感染人类的病原体。世卫组织列出了一份可能导致大流行的优先病原体清单，这些病原体目前缺乏疫苗、诊断和治疗等对策，其中包括导致埃博拉、拉萨热和裂谷热的病毒。
统一数据标准：COVID-19 带来的启示
作为世卫组织的血清学技术官员，Brangel 曾致力于了解 COVID-19 引起的免疫反应。针对传染病，通常需要进行血清流行病学研究，即从特定人群中抽取血液样本，观察其中的抗体免疫反应。
数据显示，不同国家的感染率差异巨大，从接近零上升至约 90%。尽管存在多种能够检测抗体的方法，但问题在于虽然各项测试本身准确，但在不同设置下的结果却无法直接比较。为此，Brangel 团队与英格兰公共卫生局合作，引入了对比测试的国际标准。在此之前，各实验室往往自行选择测定方法，导致数据无法互通。
这段经历让 Brangel 深刻认识到，若要使科学数据成为决策的有效证据，统一数据标准至关重要。“仅靠健全、强有力的科学是不够的。”她指出。
为未知病原体做准备
CEPI 采取了一种聚焦于“疾病 X”的方法方案。目前，该机构正在研究可感染人类的 25 个已知病毒家族，其中大部分源自动物宿主。这些病毒包括菲洛病毒科（含埃博拉病毒）、冠状病毒科（如导致 COVID-19 的 SARS-CoV-2）以及黄病毒科（包括导致登革热、黄热病和寨卡病毒的病毒）。
由于资源有限，CEPI 无法为所有 25 种病毒开发疫苗，因此优先关注那些被认为最有可能跨物种传播并感染人类的病原体。
科技与 AI 在防疫中的作用
计算机模拟被用于预测病毒突变趋势。通过将最有可能发生变异的病毒序列输入人工智能工具，研究人员能够加速开发和测试疫苗序列，并设计临床试验。
Brangel 认为，人工智能为防疫工作带来了三大优势：首先是速度，这在抗击流行病时极为关键；其次是整合来自不同来源数据的能力；最后是即使数据由所有者（无论是政府机构还是商业公司）保留，AI 也能从中提取信息并进行学习。
疫情准备引擎：协作式科学工具
CEPI 提出的“疫情准备引擎”是一个协作性科学工具构想，旨在整合分散的知识基础，例如来自各种来源的基因组序列信息，使全球研究人员能够共同开发疫苗和医疗干预措施。
该工具类似于一个智能聊天机器人。举例来说，如果马来西亚的研究人员发现了一种新的尼帕病毒，他们可以输入病毒的基因组序列及其地理位置，人工智能代理即可建议如何创建或调整特定的分子抗原，以触发正确的免疫反应。
