公共卫生（Public Health）关注的是群体层面的健康——传染病防控、慢病流行病学、环境健康和卫生政策。与面向个体患者的临床医学不同，公共卫生天然处理大规模数据，因此AI和大数据分析在公共卫生领域的应用比在临床医学中起步更早、应用更广。
## AI在疾病监测与早期预警中的应用
**传染病监测**：传统的疾病监测依赖医院上报（被动监测），存在明显的时间滞后。基于互联网搜索趋势（Google Flu Trends的早期探索）、社交媒体讨论和药品销售数据的”数字流行病学”（Digital Epidemiology）可以提前数天到数周发现疾病趋势。BlueDot（加拿大公司）通过分析航空数据、新闻报道和动物疫情报告，在WHO宣布COVID-19疫情之前就向客户发出了预警。
**症状监测**：中国的健康码系统、美国CDC的Flu Near You平台、欧盟的Influenza Net都建立了基于公民自报症状的监测网络，结合AI分析可以更早发现异常信号。
**基因组流行病学（Genomic Epidemiology）**：通过对病原体的基因组测序，追踪变异株的传播路径和演化趋势。COVID-19期间，GISAID数据库汇集了全球实验室的序列数据，AI辅助分析帮助科学家实时追踪Delta、Omicron等变异株的扩散。
## 接触追踪与隔离策略
数字接触追踪应用（Digital Contact Tracing）在COVID-19疫情中大规模部署：中国健康码、新加坡TraceTogether（蓝牙接近）、韩国手机信令追踪。这些系统使用AI分析接触网络，识别高风险接触，辅助隔离决策。
隐私与公共卫生的权衡是数字接触追踪的核心争议：集中式数据收集（如中国健康码）效率高但隐私保护弱；分散式设计（Apple-Google暴露通知API）隐私保护好但依赖率不足时效果有限。
## 慢病流行病学与干预优化
AI被用于识别高风险人群（通过电子病历数据预测谁将在未来发生糖尿病、心血管事件），支持预防性干预的精准投放（”在对的人、对的时间”提供筛查或干预），以及优化公共卫生资源分配（疫苗分发策略的优化）。
参见[精准医疗与基因组学](https://sunqi.org/precision-medicine-genomics-zh/)；[医疗数据隐私](https://sunqi.org/healthcare-data-privacy-zh/)；[GISAID全球基因组数据共享](https://www.gisaid.org/)。
