Agent-Based Modeling of Epidemics: Approaches, Applications, and Future Directions

原文链接：https://www.mdpi.com/2227-7080/13/7/272

传染病的传播高度依赖于复杂多变的人类社会行为，传统流行病模型难以刻画个体异质性与动态交互。智能体建模（Agent-Based Modeling, ABM）通过模拟具有自主性、适应性和自组织能力的个体行为，为疫情传播与防控策略评估提供了高保真、细粒度的新范式。发表于 Technologies 的综述论文《Agent-Based Modeling of Epidemics: Approaches, Applications, and Future Directions》系统梳理了ABM在传染病建模中的技术路径、应用成果与未来方向，特别强调了智能体在干预策略数字化评估中的三大核心作用，为公共卫生决策提供了理论支撑与方法工具。

文章导读

该文首先对比了传统方法（如 舱室模型、网络模型、时序模型）与 ABM 的本质差异，指出 ABM 能有效捕捉个体行为多样性、空间异质性及社会网络结构等关键因素。文章进一步提炼出智能体建模在疫情模拟中的四大优势：微观行为建模能力、多尺度耦合机制、动态适应性及干预措施的可编程性。在此基础上，作者重点分析了 ABM 在评估隔离、社交距离、接触追踪等干预策略中的三大角色：策略效果量化、差异化防控支持与长期情景推演。

图 1 多种传染病建模方法场景适用性分析

研究材料与方法

论文采用系统性文献综述方法，整合了近十年来 100 余项代表性 ABM 研究（如 Covasim、针对寨卡病毒、百日咳、非洲锥虫病等的模型），覆盖城市、岛屿、农村等多类地理场景。研究通过构建“智能体特征—干预措施”关联图（如图4–6所示），揭示了模型规模（个体数量）、模拟粒度（行为规则复杂度）与干预类型之间的内在联系。特别指出，当前 ABM 主要聚焦中大型城市人口（数千至百万级），模拟周期多为数月至一年，契合多数传染病 1–2 周的感染-康复周期及疫情波次特征。

图 2 智能体建模关键特征与多种干预措施相关性分析

研究结果与讨论

一、干预措施的数字化实现与精准评估

ABM 能将传统难以量化的措施（如“错峰出行”“分组管理”）统一归类为“出行限制”，并通过参数化实现动态调整。例如，香港针对奥密克戎的 ABM 研究量化了不同封控强度对医疗负荷的影响；Covasim 模型则通过嵌入数字接触追踪模块，显著提升了防控的空间精度与社会成本效益。

二、技术瓶颈与行为建模局限

当前多数 ABM 仍采用简化的行为假设（如固定活动模式、静态社交网络），缺乏对个体认知、情绪反馈及信息传播的动态建模，限制了模型在长期疫情或行为干预场景中的预测能力。

图 3 传染病智能体关键建模架构

三、新兴技术融合方向

文章呼吁将强化学习、多智能体系统（MAS）与真实人口数据（如手机信令、出行轨迹）深度融合，构建具备“感知—决策—反馈”闭环的高阶智能体，以支撑更真实的疫情推演与政策沙盘推演。

图 4 基于行为规划及流行病演变机理的智能体建模

研究总结

智能体建模正从“现象复现”迈向“策略优化”新阶段，成为连接流行病学、行为科学与公共政策的关键桥梁。尽管当前模型在行为真实性与计算效率间仍存权衡，但随着人工智能与大数据技术的发展，ABM 有望在突发疫情早期预警、精准防控资源调度及跨区域联防联控中发挥更大作用。未来研究应聚焦行为机制精细化、多源数据融合及轻量化部署，推动 ABM 从科研工具走向实战平台。

识别二维码，阅读英文原文。

Zhang, X.; Wang, J.; Yu, C.; Fei, J.; Luo, T.; Cao, Z. Agent-Based Modeling of Epidemics: Approaches, Applications, and Future Directions. Technologies 2025, 13, 272.

本文撰稿人

曹志冬 教授

中国科学院自动化研究所，多模态人工智能系统全国重点实验室

研究员、博士生导师，国自然青年科学基金A类（原国家杰青）获得者，科技创新2030—“新一代人工智能”重大项目负责人（首席科学家），全国科技系统抗击新冠肺炎疫情先进个人，主持和承担20多项国家级项目、课题和任务。主要研究方向为社会计算与大数据分析、大语言模型、公共卫生应急管理、复杂系统决策智能，发表研究论文150余篇，参与主编/主译著作3部，获科技奖励10项。

Technologies 期刊介绍

主编：Manoj Gupta, National University of Singapore, Singapore

Technologies 旨在涵盖未来支持人类发展的最新技术进步。包括但不限于：机器学习和人工智能技术；信息与通信技术；计算机科学与工程技术；材料科学与材料加工技术；辅助技术；医疗技术；电子技术；环境技术；制造技术；建筑技术；量子技术；未来工程技术。