7月27日发布的调查显示，在加拿大、欧洲和美国105名现场流行病学培训项目参与者中，三分之二已在工作中使用AI，但仅有五分之一接受过相关培训，四分之一对准确性和偏见问题表达伦理担忧。这份由加拿大公共卫生署牵头、刊登于《Eurosurveillance》的研究，揭示了AI在专业领域的落地速度远超准备。[[1]](https://www.cidrap.umn.edu/misc-emerging-topics/adoption-artificial-intelligence-outpaces-training-field-epidemiology-programs)
这一数据并非孤例。AI已在药物发现、基因组分析和疫情建模中快速渗透，但多数用户依赖自学或非正式工具，缺乏系统验证机制。相比之下，金融和法律等高监管行业已建立更严格的AI使用审计流程，流行病学作为公共卫生核心，却仍处于“先用后补课”阶段。
根本驱动在于工具易得性与需求紧迫性：开源模型和API大幅降低门槛，疫情后全球卫生系统急需效率提升。但这也放大了系统性风险——未经充分训练的使用者更易放大幻觉或偏见，进而影响政策决策。
未来6-12个月，若培训滞后持续，公共卫生AI应用可能面临更多监管收紧或事故曝光。值得跟踪的是，类似FETP项目的机构是否会将AI认证纳入核心课程。
信源：
https://www.cidrap.umn.edu/misc-emerging-topics/adoption-artificial-intelligence-outpaces-training-field-epidemiology-programs
https://www.eurosurveillance.org/content/10.2807/1560-7917.ES.2026.31.26.2500677