人畜共患病预防疫情暴发与全球大流行

2025年11月，史卫峰教授在《Cell Host & Microbe》【IF18.7，Q1】杂志发表题名为“Monitoring zoonoses to prevent future outbreaks and pandemics.”——监测人畜共患病预防疫情暴发与全球大流行的文章

瑞金医院/上海市病毒研究院史卫峰教授为论文的通讯作者；刘恒聪助理研究员为论文的第一作者。

doi.org/10.1016/j.chom.2025.10.015

图 开展病毒生态学研究优化人畜共患病监测

该研究系统梳理了蝙蝠、啮齿动物、蚊、蜱及鸟类等五类野生动物在多种人畜共患病中的关键自然宿主角色，并指出毛皮动物（如貂、狐狸）以及伴侣动物（如猫、狗）在病毒跨种传播中同样具有不可忽视的重要性，呼吁优先加强对上述动物的系统性监测。

该研究针对GBIF数据库的分析显示，蝙蝠、啮齿动物、蚊、蜱及鸟类等五类野生动物具有高度的物种多样性和广泛的全球分布，识别了各类野生动物的热点区域（panel A），但同时也揭示仍有大量区域的物种调查严重不足。

通过对近5年全球病毒组研究的系统检索，该研究发现当前全球病毒研究在区域分布上存在显著不均衡，整体发现力度仍明显不足（panel B）。同时，病毒饱和曲线显示，仍有大量动物病毒尚未被发现（panel C）。

该研究指出蝙蝠、啮齿动物、蚊、蜱和鸟类等五类野生动物的生态位存在重叠（panel D），揭示在相同生态位中针对同类或不同类动物开展病毒生态学研究对于识别病毒跨物种传播风险和加强人畜共患病防控具有重要意义。

该研究系统探讨了人工智能在新病毒发现、人畜共患风险评估及病毒变异趋势预测等方面的应用，同时指出当前人工智能在人畜共患病监测中的局限，包括模型可解释性不足、对高质量训练数据的强依赖，以及相关预测仍需湿实验验证等问题。

针对上述不足，该研究呼吁加强对重点野生动物的系统监测，并对人工智能预测出的高风险病毒开展针对性的湿实验验证。同时，建议构建生态学模型以预测高风险病毒的地理分布，从而为制定精准的人畜共患病防控策略提供科学依据。此外，功能性研究的结果应及时反馈给人工智能模型，以提升其预测的准确性和可靠性。

在新冠病毒流行五周年之际，史卫峰教授接受Cell Host & Microbe邀请撰写综述，系统梳理了当前人畜共患病监测存在的知识空白，并提出了人工智能赋能的新的监测策略，以强化全球人畜共患病监测体系建设，有效预防和控制人畜共患病的暴发与全球大流行。

Abstract

Most emerging human infectious diseases are derived from animals, and monitoring such zoonoses is imperative to help prevent future outbreaks. In this Forum, we discuss the knowledge gaps in our current understanding of viral ecology, global disparities in virus discovery, and the applications of artificial intelligence in infectious disease monitoring.

中文摘要 

大多数感染人类的传染病源自动物，因此开展人畜共患病监测对于预防疫情暴发与全球大流行至关重要。该研究系统梳理了当前病毒生态学研究中的关键知识空白，揭示了全球病毒发现能力存在严重不足且分布不均衡的现状，并探讨了人工智能在传染病监测中的应用。