使用深度学习与流动网络对巴西登革热输入风险的预测

为什么追踪登革热随行至关重要

登革热正在全球扩散，巴西是受冲击最严重的国家之一。然而，登革热不仅随蚊子传播；随着人们在城市之间移动，病毒也会随之迁移。本研究提出了一个简单但至关重要的问题：我们能否逐周预测在整个巴西范围内，受感染的旅行者最有可能把登革热带到哪些地方？答案可以帮助卫生部门在疫情爆发前采取行动——不仅监测本地病例数，还要关注人类流动如何在地图上重新塑造风险。

一种观察风险流动的新方法

作者构建了一个两阶段的预测框架。首先，他们使用深度学习模型，根据14年的周度病例报告和当地气候条件，预测巴西5,570个市镇在近期内将出现的登革热病例数。其次，将这些预测输入到描述城市间公路、河流和航空乘客流动的详细网络中。通过将“这里可能有多少感染”与“该地与其他地方的联系强度”相结合，系统估算每个城市从外部接收的登革热压力，从而在2024年期间创建动态的输入风险地图。

在辽阔国土上观察季节性波动

当研究者随时间观察巴西27个州时，看到明显的季节性波动：登革热活动通常在2月至5月激增，但不同区域和年份的时序与强度差异很大。对2024年的预测显示可能出现异常大规模的全国性高峰，东南部和北部部分地区的负担尤其沉重。这些模式之所以重要，是因为在季节早期病例上升的地区可成为强大的源头，将受感染的旅行者沿运输走廊送往尚未达到高峰的地区。该框架使这些“上游”和“下游”关系可视化，而不是把每个州当作孤立的岛屿来处理。

绘制看不见的感染高速公路

借助流动网络，研究揭示了登革热风险在城市间流动的复杂通道。输入压力从夏末迅速增长至秋季，然后逐渐减弱，反映了常见季节性，同时增加了空间上的差异：某些城市处于交通枢纽位置。圣保罗、里约热内卢、戈亚斯、联邦区和其他地区的大型城市中心与枢纽显示出持续较高的输入压力。其中一些枢纽也向外输出大量风险，形成双向交流的粗大走廊，而更偏远的城镇——尤其是亚马孙部分地区和极南部——则相对隔离。

源头、汇聚地与隐性依赖关系

通过比较一个城市输出的风险与其输入的风险，作者识别出推动全国传播的“源头”城市和主要从外部接收感染的“汇聚”城市。大约三分之二的市镇表现为汇聚地，而少数高度连接的城市区域则充当强大的源头。在州层面上，像圣保罗和米纳斯吉拉斯这样的地方在很大程度上自成体系：它们的大部分输入压力来自本州内部。另一些地区，如联邦区或某些北部州，则严重依赖少数外部风险供应地。这种源—汇图景突出了在上游控制可最有效减少下游爆发的地点。

将预测转化为行动

对公共卫生官员而言，关键信息是，仅仅查看本地病例数会忽略重要部分。一座当前发病率低但与高负担地区有强联系的城市，可能正处于未来爆发的边缘，尤其是如果其气候与蚊媒种群有利时。该框架并不试图模拟蚊子生物学或人类行为的每一细节；相反，它清晰地将两类风险分离：来自外部的输入感染压力和决定这些感染是否引发流行的本地条件。通过近实时更新这些输入地图，该方法为优先 surveillance、州际协同响应以及原则上将类似工具推广到其他依靠人类流动传播的疾病，提供了切实可行的途径。

引用: Chen, X., Moraga, P. Forecasting of dengue importation risk in Brazil using deep learning and mobility networks. npj Digit. Public Health 1, 11 (2026). https://doi.org/10.1038/s44482-026-00015-9

关键词: 登革热预测, 人口流动, 巴西公共卫生, 深度学习, 疾病输入风险