艾滋病防治是一场与病毒赛跑的持久战。长期以来，隐匿感染发现、精准干预落地、耐药监测等难点和堵点，制约着艾滋病防治工作向纵深推进。当人工智能（AI）技术逐步融入医疗健康领域，这些难点和堵点的破解将迎来曙光。近日，第十一届艾滋病学术大会在重庆市举行，会上，多名艾滋病防治领域专家分享了艾滋病防治的最新科研进展以及AI赋能艾滋病防治的机遇和挑战。 早检端：技术与策略双重创新 “这是艾滋病智慧检测试剂盒，又称‘智慧检’。”中国疾控中心（中国预科院）性病艾滋病预防控制中心研究员蒋岩指着手中的试剂盒对记者说。 从外形看，这个试剂盒比传统试剂盒稍大且更厚。“最主要的区别，在于其是由AI对检测结果进行判读，因此没有传统试剂盒的‘观察口’。”蒋岩解释，与传统试剂盒相比，其具备两大优势，一是检测结果由内置光模块﹢芯片﹢光学算法AI智能判读，比肉眼观察更准确稳定，敏感性更高；二是结果可实时加密传输，为早检测、早发现、早干预提供精准路径。 “智慧检”可助力提升阳性检出率。蒋岩表示，其核心在于技术与策略的双重创新。在技术上，硬件与算法双升级，提升了检测试剂盒的灵敏度，进而可识别肉眼难辨的弱阳性信号，缩短检测窗口期，发现急性期感染者，而且AI统一判读标准，消除了人为误差；结果自动回传，避免阳性失访。在策略上，其改变了传统自检“试剂发出、无结果返回”的困境，将试剂交给感染者和高 危人群，由他们传递给性伴自检，促进主动早检测，进而提升早发现比例、降低晚发现率。 “我国每年新发现大约10万名感染者，绝大多数为被动发现，晚发现（CD4细胞数小于200）比例约40%。‘智慧检’通过推动主动检测，有望扭转这一局面。”蒋岩说。 此外，在成本效益、可及性和基层推广上，“智慧检”也具有一定优势。“单个阳性发现成本低，可减少基层人力投入，且早发现能降低后续治疗、防控成本。”蒋岩表示，“智慧检”使用便捷，尤其适合拒检、高危、不愿到机构检测的人群。 数据的隐私保护是公众关注的焦点问题。“这也是研发需要考虑的重要问题之一。
”蒋岩表示，检测者在使用前，需用手机扫码，系统会进行提示说明，须检测者签订电子知情同意书，只有签订后，系统才会启动数据回传程序。目前这一工具主要用于疾控机构的早期筛查项目，所有数据均回传到疾控中心。此外，数据传输过程中使用SSL加密、三级等保，从而保护检测者的数据隐私与安全。 “‘智慧检’并非万金油，并不能替代现有的检测试剂盒。”蒋岩坦言，“智慧检”的主要价值在于帮助急性期早期发现，促进男性同性性行为人群主动自检、尽早治疗。
她表示，未来“智慧检”的大数据将进一步赋能精准防控：整合时间、空间、人群数据，锁定高危区域与群体；动态分析感染趋势，优化防控策略；构建个人健康档案，提供全周期服务；追踪密切接触者，阻断传播链；支撑宏观决策与“互联网﹢艾防”融合，助力“三早”目标落地。
防控端：打通精准防控“最后一公里” “要实现联合国艾滋病规划署提出的‘3个95%’的防控目标，目前我们还有提升空间。”中国疾控中心（中国预科院）研究员彭志行表示，一是仍有约15%的感染者尚未被发现，主动检测意愿不足；二是存在感染者失访、依从性管理薄弱和耐药问题。 在彭志行看来，AI技术能在一定程度上助力“发现感染者”和“留住患者”两个重要节点：可通过网络行为分析、社交图谱识别高风险个体，借助数字化检测缩短诊断时间；可通过智能随访预测失访风险、提前干预，这正是AI的核心优势之一。 彭志行表示，借助微信、微博等平台的海量用户数据，结合用户画像，AI可向高风险个体精准推送预防信息，让预防服务触达最需要的人。同时，个性化风险评估模型可融合行为史、健康记录、位置等数据，动态识别高风险群体，指导干预资源定向投放。“目前国家艾滋病综合防治信息系统的结构化数据，加上疾控部门与社区的协同机制，为模型训练提供了条件，且无需改造现有流程，干预效果可通过覆盖人群数、检测转化率等指标快速量化。”彭志行说。 虽然前景广阔，但也存在一定难点。
彭志行坦言，数据治理、语料库、数据安全是AI转化的三大瓶颈。数据治理的核心是整合与质量控制，我国现有数据质量参差不齐、系统间有壁垒、科研开放机制不健全等问题。对此，可借鉴其他国家经验，用制度明确数据归属权和共享规则。在语料库建设方面，现有数据库需经标注、清洗等高质量数据集建设加工才能用于AI训练，临床病历等非结构化数据无统一标注规范，HIV（人类免疫缺陷病毒）专病语料库建设几乎空白。对此，可建立HIV专病数据标注规范，推动多中心数据共建共享，集中专家资源标注高价值样本。 数据安全的关键是保护感染者隐私。彭志行认为，信息泄露会带来歧视和社会性惩罚，影响数据共享意愿。他从技术与制度方面给出双重方案：“在技术上，用联邦学习、差分隐私等实现数据不出本地的协同训练；在制度上，借鉴英国NHS经验，让研究者在受控环境内分析，仅输出审核后结果，同时建立HIV数据专项细则和伦理审查机制。” 临床端：让治疗从“被动应对”到“主动预警” HIV耐药突变，是当前艾滋病治疗面临的难点之一。“其本质是艾滋病病毒在抗病毒药物的压力下发生基因变异，进而对药物的敏感性下降，最终导致耐药株成为患者体内的优势毒株，让抗病毒药物彻底失效。”中国医科大学附属第一医院韩晓旭教授解释，流行病学数据显示，我国不同HIV亚型及地区耐药率差异明显；治疗失败患者的获得性耐药率持续上升。耐药突变发生在药物作用关键靶点，对患者而言，耐药轻则导致疗效下降，重则导致治疗失败、病毒持续复制，甚至出现多重耐药。从公共卫生角度而言，耐药毒株传播会加剧防控压力。 在韩晓旭看来，AI可以助力破解这一难题。比如，AI在HIV耐药研究中的角色正从“回顾性分析”转向“前瞻性预测”。“过去靠人工总结规则判断基因位点重要性，现在深度学习模型可直接从大量病毒序列中，自主学习突变间的复杂关系，包括位点协同作用。”韩晓旭表示，AI不仅能识别单个耐药突变，更能捕捉突变组合和序列背景的共同影响；在病毒进化预测方面，部分模型将病毒序列当作“语言”解读，尝试预测哪些突变能帮助病毒逃避药物压力，同时又不损害自身生存能力。“当前AI 最核心的作用，是帮助我们快速发现高风险突变组合，理解病毒进化方向，为实验验证和临床决策提供支持。这种‘辅助而非替代’的定位，让AI与临床诊疗高效互补。”韩晓旭说。 此外，韩晓旭表示，AI将“静态的耐药检测报告”转化为“动态的抗病毒失败风险预测”。“传统报告只告知医生病毒现有突变及耐药药物，却无法回答患者治疗失败风险、是否需密切随访、是否调整方案等核心问题。AI可整合耐药信息、病毒载量、CD4细胞水平等多种数据，进行治疗失败风险分层，帮助医生更早识别高风险信号、提前干预。”韩晓旭说。 韩晓旭认为，针对我国HIV流行毒株复杂的国情，AI的应用价值更高。“我国HIV流行株基因分型达数十种，最常见的CRF07_BC、CRF01_AE等重组株，与欧美B亚型差别较大。传统耐药解释规则基于B亚型建立，难以应对同一突变在不同病毒背景下表现不同的难题。而AI可分析突变间的‘背景依赖效应’，有望建立更适合中国毒株的耐药分析框架，支撑我国耐药数据库建设。”韩晓旭说。 尽管AI潜力巨大，但推动艾滋病诊疗进入可预测、可干预时代，仍有四大技术瓶颈。韩晓旭解释，一是缺乏高质量本土化数据，现有模型多基于国外B亚型数据；二是AI可解释性不足，医生需明确模型判断“高风险”的原因；三是缺少适配真实临床数据的动态模型，难以应对随访不规律等复杂情况；四是需在隐私保护下实现多中心协同学习，让AI学习更多罕见突变。 短评 让艾滋病防控更有温度与精度 艾滋病防控是关乎公共卫生安全与个体生命尊严的漫长战役。AI技术与艾滋病防控深度融合，不仅为破解防控痛点提供了新路径，更让防控从“被动应对”转向“主动精准”，兼具技术精度与人文温度。 AI的价值，在于用技术解决防控“卡脖子”难题。在临床端，它解码耐药突变逻辑，将静态报告转化为动态预警，为感染者争取治疗机会；在防控端，它精准识别高危人群、预测传播趋势，让干预资源得到高效利用；在早检端，“智慧检”与AI结合，破解“测完失联”痛点，让“三早”理念落地生根。 但AI赋能并非一蹴而就，仍需突破数据治理、语料库建设、隐私保护等瓶颈。AI的核心价值是“辅助”，而非替代临床判断与人文关怀。唯有建立完善的可解释性标准与问责机制，筑牢数据安全防线，推动多主体协同发力，才能让AI从“技术可用”走向“机制可信”。 艾滋病防控，既要对抗病毒，更要守护感染者隐私与尊严。AI技术不仅提升了防控效率与精度，更通过隐私保护、便捷检测减少了高危人群的检测顾虑，让防控更有温度。相信在技术与人文的双重支撑下，我们终将构建起科学、精准、有温度的防控体系，守护每一个生命的健康与尊严。
上下篇导航