WHO 非洲区办公室用 Claude 整理埃博拉疫情简报,一份从一整天缩到一小时以内
The Situation Report
WHO 非洲区办公室的数据团队用 Claude 构建了一项技能,从各卫生区的 PowerPoint 中抽取病例与实验室数字、与前一日报告核对并标出趋势变化,再汇总各区报告,原本要花一整天的疫情简报现在不到一小时即可完成。
刚果(金)埃博拉疫情中,区级疫情简报从人工整理整天的幻灯片改由 Claude 抽取病例与实验室数字并核对前一日趋势,一份简报的整理时间从一整天缩到一小时以内。
自5月以来,刚果民主共和国(DRC)的一线团队一直在应对一种名为本迪布焦(BDBV)的罕见埃博拉病毒毒株。每天,社区联络员挨家挨户敲门,提供咨询,了解康复和死亡情况,并把出现可疑症状的人转介去接受治疗。
在这样的疫情中,卫生工作者的笔记本往往是最早、也最完整的记录,记着一个人何时发病、接触过谁、在知道自己被感染之前去过哪里。这次BDBV疫情中,近8000例确诊病例里几乎有一半已经死亡。能否在患者病情转为危重之前、在仍可治疗的时候尽快找到他们,往往决定他们能否活下来。
一旦疫苗可用,同样的接触者信息就能告诉响应人员疫苗究竟该送到哪里。更快、更准确地掌握谁曾暴露,意味着能在人们发病之前找到并保护他们。但响应速度受制于数据沿链条传递的快慢:从卫生工作者的笔记本,到确认诊断的实验室,再到决定下一步资源投向的部和资助方。
卫生机构把病例信息发往所在地区,常常通过WhatsApp,并把生物样本送到当地实验室做测序。各区把病例信息做成PowerPoint幻灯片,再发给疫情协调中心。在省级卫生部,负责汇编报告的工作人员要熬夜把这些信息整理成幻灯片。这些幻灯片最终变成对外发布的疫情形势报告,简称sitrep。

在刚果民主共和国东部,疫情形势报告的编制以及更大范围的疫情响应最近开始变得不一样了,这得益于流行病防范创新联盟(CEPI)与包括世界卫生组织非洲区域办事处(WHO AFRO)和国家生物医学研究所(INRB)在内的多家机构共同发起的一项合作。这些组织一直与Anthropic的Beneficial Deployments团队和应用AI团队合作,用Claude分析社区卫生工作者的现场数据、系统性地监测和审查研究证据,并使用我们的科学工作台。
“我与这种病毒斗争了五十年。工具已经完全变了,但规则没变:要战胜埃博拉,你得知道它今天在哪里,而不是上周在哪里。”
Dr. Jean-Jacques Muyembe, Director General of DRC’s National Institute of Biomedical Research, special adviser to the director general of the Africa CDC, and co-discoverer of the Ebolavirus in 1976
节省时间并支持分析
WHO AFRO的紧急事务中心总部设在塞内加尔达喀尔。响应团队每年处理约一百起公共卫生事件,经常派人前往受影响地区收集数据、推进流程。
Tendai Muza在WHO AFRO从事数据系统与分析工作。他与同事Tamayi Mlanda和Gianni-Ferrari Donkor Muza一起构建了一个Claude技能,用来加快sitrep流程。有了这个技能,Claude会从每个卫生区的PowerPoint幻灯片中提取病例和实验室数字,与前一天的报告核对,标记趋势上的任何变化(并解释可能的原因),然后汇总各区的报告。过去要花一整天才能编好的sitrep,现在不到一小时就能完成。
对数据团队来说,除了用 Claude 精简疫情简报流程,他们也在用它做分析和疾病建模。WHO 非洲区域办事处的 Paul Ouma 说:“以前我们根本没法考虑哪种疾病模型可能更好,受时间限制只能跑一个模型。”现在他们可以用 Claude 同时跑多个模型并生成预测,比如帮后勤人员决定在哪里建治疗中心。
让全球团队在疫苗研发上协同起来
目前还没有获批的 BDBV 疫苗,但已有针对扎伊尔型毒株的疫苗 Ervebo。BDBV 出现后,CEPI 公开征集方案,推进候选疫苗和相关疫苗科学研究。CEPI 研发数据创新负责人 Polina Brangel 告诉我们:“哪些血清学样本队列应当被分析、以生成 Ervebo 对 BDBV 潜在交叉反应性的证据,并不是由 Claude 决定的——这仍然是专家做出的科学判断。”Claude 目前做的是“把复杂的多因素数据整理成一种形式,让人眼能够横向比较大量方案,并在短得多的时间内得出结论”。

CEPI 用 Claude 搭建了一个仪表盘,帮助更快速、更稳健地跟踪各团队推进疫苗研发所需的行动和待办工作。
“这是一次难得的机会,让我们实时了解 AI 能在哪些地方为高压下工作的团队带来实际帮助。”
Polina Brangel, R&D Data Innovation Lead at CEPI
Claude for Science
在疫情实验室里,卫生工作者采集的样本会被测序,以确认病例并追踪病毒如何变化,而结果出炉的瓶颈往往在于对病毒基因数据的计算机分析(即生物信息学)。读取病毒基因组可以揭示哪些病例相互关联、病毒是否正通过病例计数尚未发现的传播链扩散,以及病毒的变化方式是否可能削弱检测、治疗或疫苗的效果。

本轮疫情中,从刚果(金)病例测序得到的 BDBV 基因组基本上全部出自 INRB 实验室。他们的每台测序仪都会产出数百万条短的遗传密码片段。传统上,要从这些片段拼出病毒的完整基因组,得在程序员的终端里输入专门命令。但Claude Science 这个面向科学家的 AI 工作台,可以用自然语言提示它组装基因组、构建病毒的家族树。尤其在大规模疫情期间,生物信息学能力有限,Claude Science 大幅降低了产出可用于追踪新感染的分析的门槛。它还能帮助估计疫情规模、识别新变异株。
WHO 非洲区域办事处已经在考虑把这些工具用到其他疫情上。面对基孔肯雅热疫情——一种由蚊子传播、令人衰弱的疾病——他们正用 Claude 清理和校验“病例清单”,这类清单按人、地点和时间描述疫情。没有 AI,这项工作要花长得多的时间。
接下来,世卫组织团队希望用 Claude 把历史上的疾病数据库整合起来,这样下一次疫情暴发时,决策就能借鉴以往的经验。过去在危机当中做这件事太费时间,根本来不及。

疫情应对的未来
全球卫生领域的合作伙伴开始认识到,AI 工具在疫情暴发期间能发挥最大的作用。本迪布焦埃博拉疫情的应对仍有很长的路要走。要控制住它需要时间——不过伊图里省的疫情出现了一些好转的迹象。应对团队正在帮助世界了解,在分秒必争的真实公共卫生场景中,负责任且切实可行的 AI 部署可以是什么样子。
来源:Anthropic News · anthropic.com