一种基于多智能体模拟的感染传播预测方法及系统

本发明涉及计算流行病学、公共卫生信息学及人工智能驱动的群体模拟，具体涉及一种基于多智能体模拟的感染传播预测方法及系统，该方法及系统主要面向以个体接触为主要传播途径的感染传播预测，包括但不限于性解剖部位传播及个体层面血源性传播，通过构建基于真实数据的合成人群并模拟个体行为决策与接触过程，实现感染风险的动态推演与防控策略评估。

背景技术：

1、以性传播疾病和血源性传播疾病为代表的接触传播性疾病，其传播过程高度依赖个体之间的接触行为、行为频次及接触方式等因素。此类传播并非由均匀混合的人群暴露所驱动，而是由个体之间在特定情境下发生的接触事件所触发，其传播风险具有显著的个体差异性和环境依赖性。且这部分数据难以通过常规调查完整获取，使得基于固定参数的传统流行病学模型难以准确反映真实传播过程。

2、现有流行病学模型如sir、seir及基于马尔可夫过程的模型，通常通过预设平均接触率或固定转移概率来描述传播过程，难以刻画个体之间在真实接触场景中的行为选择差异。尤其是在性接触或其他高风险接触场景中，是否发生接触、接触次数及防护行为的采用，往往取决于个体的风险认知、行为习惯及对接触情境的综合判断，而上述因素难以通过简单规则或静态参数加以表达。

3、随着生成式人工智能的发展，其在自然语言理解和情境推理方面的能力，使得模拟个体在特定情境下的行为决策成为可能。然而，现有公开技术中，生成式人工智能多用于单体行为生成或文本推理，尚未与多智能体传播模型形成稳定结合，尤其缺乏在接触传播疾病建模中，将个体行为决策、接触事件生成与感染传播过程进行统一建模的技术方案。

4、因此，目前亟需一种面向接触传播疾病的建模框架，能够在有限调查与监测数据条件下构建具有特征一致性的人群合成数据集，并在多智能体系统中模拟个体接触行为、暴露事件与感染状态的动态演化过程，从而支持公共卫生部门在区域尺度上对不同防控策略进行量化评估与优化。

技术实现思路

1、针对现有基于规则或固定参数的智能体模拟方法在传染病建模中难以刻画真实个体决策过程、传播路径表达粗糙、难以同时支持不同疾病传播机制的技术问题，本发明提供一种基于多智能体模拟（agent-based modeling，abm）的感染传播预测方法，本方法基于真实调查数据和监测数据构建具有特征一致性的人群合成数据集，在多智能体系统中引入生成式人工智能对个体高危行为进行情境化决策生成，重现接触-行为-暴露-感染的动态演化过程，并能够在统一框架下模拟多解剖部位性传播场景与个体层面血源性传播场景，支持不同筛查及行为干预策略的比较与评估，为区域公共卫生部门开展防控策略优化提供定量化证据。

2、为了解决上述技术问题，本发明采用了如下的技术方案：

3、一种基于多智能体模拟的感染传播预测方法，包括以下步骤：

4、s1、基于目标区域医疗监测数据和真实调查数据构建具有特征一致性的人群合成数据集；

5、s2、根据所述人群合成数据集初始化包含结构化特征和行为-心理-认知特征的多智能体模型中的个体智能体；

6、s3、根据地理位置初始化每个智能体的虚拟空间位置，并依据同伴数量、空间距离及个体行为偏好模拟每个时间步中的潜在接触对；

7、s4、利用生成式人工智能决策引擎，基于个体智能体信息、接触对象信息及当前情景信息，生成接触双方在给定情景下的高危行为意愿，对于期望发生高危行为的智能体，同时生成所期望具体行为类型和防护措施；

8、s5、对于双方均期望发生高危行为的智能体，基于接触双方所期望具体行为类型构建实际可执行的高危行为过程，以用于传播风险计算；

9、s6、基于实际可执行的高危行为过程，结合个体既往感染状态和疾病自然史模型，计算传播风险并更新各智能体的感染状态；

10、s7、在连续时间步的模拟过程中，按预设时间步长循环调用步骤s3至步骤s6，依次迭代执行各智能虚拟空间位置与潜在接触的更新、生成式人工智能驱动的行为决策、高危行为拟合以及传播风险计算和个体智能体感染状态更新，并在模拟结束后生成不同干预策略下的传播趋势与风险评估指标。

11、进一步，所述步骤s1基于目标区域医疗监测数据和真实调查数据构建具有特征一致性的人群合成数据集包括：

12、从至少一份真实感染医疗监测数据集和至少一份行为-心理-认知特征调查数据集中获取目标人群的个体信息，对两类数据集中在语义和统计意义上可对齐的共享信息特征变量进行标准化预处理，并为医疗监测数据中的个体构建统一格式的多维特征向量；随后依据预设的多轮特征匹配、统计推断或概率关联方式，计算行为-心理-认知特征调查数据与医疗监测数据中个体之间的特征关联度，并基于所述关联度建立行为-心理-认知特征与医疗监测个体之间的概率映射关系，从而形成结构化医疗特征与行为-心理-认知特征关联表示的融合型个体记录；最后基于融合型个体记录的统计特征分布生成人群合成数据集。

13、进一步，所述步骤s2根据所述人群合成数据集初始化包含结构化特征和行为-心理-认知特征的多智能体模型中的个体智能体包括：

14、首先基于行为-心理-认知特征调查数据集中预先定义的人格特征、健康信念、风险感知、社交认知与心理状态变量，构建用于生成表征个体认知与行为偏好的性格特征池；然后根据所述人群合成数据集中每个融合型个体记录所对应的关键结构化特征及行为-心理-认知特征概率映射关系，为每个虚拟个体创建对应的智能体实例；并依据所述概率映射关系，从性格特征池中为所述智能体按概率分配一条自然语言性格描述文本，作为该智能体的基线认知与行为偏好描述，将其与结构化特征共同封装为智能体的输入描述，最终得到初始化的个体智能体。

15、进一步，所述步骤s3根据地理位置初始化每个智能体的虚拟空间位置，并依据同伴数量、空间距离及个体行为偏好模拟每个时间步中的潜在接触对包括：

16、首先根据所述人群合成数据集中个体的居住区域、活动范围或社交圈信息，将虚拟空间划分为若干区域，并按照各区域内个体数量的比例，为不同区域分配对应的空间网格范围；随后在每个时间步中，依据智能体之间的空间距离、潜在接触对象数量、社交偏好或预设接触率因素，构建潜在接触对。

17、进一步，所述步骤s4利用生成式人工智能决策引擎，基于个体智能体信息、接触对象信息及当前情景信息，生成接触双方在给定情景下的高危行为意愿，对于期望发生高危行为的智能体，同时生成所期望具体行为类型和防护措施包括：

18、在每一时间步中，针对步骤 s3 所确定的潜在接触对，根据步骤s2初始化的个体智能体信息、当前时间步所处的外部情景信息，以及所获取的对方智能体信息，构建用于行为决策的情境化结构化自然语言提示文本，并将所述结构化自然语言提示文本输入生成式人工智能决策引擎；随后所述生成式人工智能决策引擎对所述情境化自然语言提示文本语义解析与综合推理后，输出包含行为决策信息的自然语言回复；优选地，在多解剖部位性传播场景中，所述回复至少包括：针对当前接触情景是否同意发生性行为的二元决策结果，对于期望发生高危行为的智能体，同时提供由预设性行为集合中若干行为组成的期望行为顺序链、性行为频次以及是否使用安全套、漱口水、疫苗、暴露前/后预防等防护措施；优选地，在个体层面血源性传播场景中，所述回复至少包括：针对当前接触情景是否同意发生性行为或共用针具的二元决策结果和发生频次，以及是否使用安全套、疫苗、暴露前/后预防等防护措施。

19、进一步，所述步骤s5对于双方均期望发生高危行为的智能体，基于接触双方所期望具体行为类型构建实际可执行的高危行为过程，以用于传播风险计算包括：

20、对于多解剖部位性传播病原体模拟，针对双方均同意发生性行为的智能体，首先对双方的期望行为顺序链进行预处理，对行为名称进行标准化映射，过滤无效或重复定义的行为，使其均对应到统一的预设性行为集合；随后依据行为之间的互补关系，构建双方行为可执行性的匹配机制，当查找到互补行为时，将对应的行为对写入最终可执行行为顺序链；对于个体层面血源性传播模拟，针对双方均同意发生性行为的智能体直接配对，依据预设的血源性传播行为规则，直接构建对应的可执行行为对。

21、进一步，所述步骤s6基于实际可执行的高危行为过程，结合个体既往感染状态和疾病自然史模型，计算传播风险并更新各智能体的感染状态包括：

22、对于多解剖部位性传播病原体模拟，针对每一解剖部位，预先设定若干离散状态，用于描述该部位从易感、感染和恢复的演变过程，并依据预设的自然史转移概率，在发生行为暴露或未发生行为暴露的情况下，对各解剖部位的状态进行更新，其中任一离散状态均可根据所述转移概率转入恢复状态、再次进入感染相关状态或保持原状态；随后对步骤s5中已形成合意性行为顺序链的每一对智能体，以及在本时间步基于预设分布、历史统计参数或生成式人工智能输出的行为频次，按行为顺序模拟本时间步内的性行为次数，并据此计算对应解剖部位的暴露风险，更新感染状态；在完成本时间步内所有成对智能体的多部位状态更新后，与时间步开始时保存的状态快照进行比较，识别出在本时间步内从易感转为感染的解剖部位，将其记为新发感染事件，并按病原体和部位分别累计新发例数；同时对每一个时间步结束时在各解剖部位处于感染状态的智能体数量进行统计，形成口咽部、尿道部、肛门部的现患感染人数序列；

23、对于个体层面血源性传播模拟，预先设定个体从易感、感染、恢复和死亡的演变过程，并依据所述自然史转移概率，在发生或未发生暴露事件的情况下，更新个体的感染状态；随后对步骤s5中双方同意发生高危行为的接触对，在本时间步内基于预设分布、历史统计参数或生成式人工智能输出的行为频次，生成高危行为暴露次数，并据此执行本时间步内的多次性接触暴露计算；当在所述自然史转移模型约束下执行累计传播风险计算与状态更新。

24、本发明还提供一种基于多智能体模拟的感染传播预测系统，其特征在于，包括：

25、数据合成模块，用于基于目标区域医疗监测数据和真实调查数据构建具有特征一致性的人群合成数据集；

26、智能体初始化模块，用于根据所述人群合成数据集初始化包含结构化特征和行为-心理-认知特征的多智能体模型中的个体智能体；

27、空间环境与接触生成模块，用于根据地理位置初始化每个智能体的虚拟空间位置，并依据同伴数量、空间距离及个体行为偏好模拟每个时间步中的潜在接触对；

28、行为决策模块，用于利用生成式人工智能决策引擎，基于个体智能体信息、接触对象信息及当前情景信息，生成接触双方在给定情景下的高危行为意愿，对于期望发生高危行为的智能体，同时生成所期望具体行为类型和防护措施；

29、行为拟合模块，用于对于双方均期望发生高危行为的智能体，基于接触双方所期望具体行为类型构建实际可执行的高危行为过程，以用于传播风险计算；

30、传播模拟模块，用于基于实际可执行的高危行为过程，结合个体既往感染状态和疾病自然史模型，计算传播风险并更新各智能体的感染状态；

31、策略评估模块，用于在连续时间步的模拟过程中，按预设时间步长循环调用空间环境与接触生成模块、行为决策模块、行为拟合模块和传播模拟模块，依次迭代执行各智能虚拟空间位置与潜在接触的更新、生成式人工智能驱动的行为决策、高危行为拟合以及传播风险计算和个体智能体感染状态更新，并在模拟结束后生成不同干预策略下的传播趋势与风险评估指标。

32、与现有技术相比，本发明提供的基于多智能体模拟的感染传播预测方法及系统具有以下有益效果：1、本发明通过构建具有特征一致性的人群合成数据集，使模拟人群在结构和行为分布上能够反映目标区域真实人群特征，从而提高模拟结果在区域层面上的一致性和可靠性。2、本发明在多智能体中引入生成式人工智能用于行为决策过程，使个体行为不再依赖固定规则或静态概率设定，而是基于个体状态和所处情境动态生成，从而更真实地反映不同个体在不同情境下的高危行为差异。3、本发明在同一技术框架下同时支持多解剖部位性传播场景与个体层面血源性传播场景，通过对传播对象粒度和传播路径的灵活配置，实现对不同类型病原体传播过程的统一建模，显著扩展了模型的适用范围。4、本发明通过在接触事件中引入基于个体状态和接触情景的双向行为决策过程，能够模拟真实接触条件下高危行为发生与否及其具体形式的选择过程，并结合多种防控策略参数配置，为个体行为数据不完整或不可直接获取的情况下开展传播趋势分析与防控策略比较提供定量化决策支持。5、本发明面向区域层面的传播风险评估与防控策略优化场景，不用于个体诊断或个体风险预测，能够为公共卫生管理和资源配置决策提供模拟分析依据。