UC San Diego 获 NIH/NIDA 560 万美元资助，用“数字孪生”模拟药物使用人群公共卫生干预
学术圈重大事件 · 发布 2026-06-23T19:14:00+08:00 · 更新 2026-06-23T19:19:52+08:00
UC San Diego 6 月 23 日发布消息，全球公共卫生学者 Natasha Martin 获 NIDA 五年期 560 万美元 Avant-Garde Award，项目 AMPLIFY 将用社区参与式数据和大语言模型生成药物使用人群的“数字孪生”，再接入 HIV、丙肝和过量用药模型，帮助卫生部门预演防治资源配置。它把 AI 从单点风险预测推进到公共卫生策略沙盘，但效果仍取决于真实社区参与、数据代表性和地方部门采用。
UC San Diego Today 6 月 23 日发布消息称，UC San Diego School of Medicine 的 Natasha Martin 获得美国 National Institute on Drug Abuse 五年期 560 万美元 Avant-Garde Award。该奖项面向 HIV 与物质使用障碍交叉领域的高风险、高影响研究，每年通常只支持少数研究者；本次项目名为 AMPLIFY，目标是把药物使用人群的本地偏好、服务需求和行为模式纳入公共卫生决策模型。
UC San Diego 获 NIH/NIDA 560 万美元资助，用“数字孪生”模拟药物使用人群公共卫生干预（图源：Newswise）
项目的技术路线不是简单训练一个感染风险评分器，而是构建社区知情的 AI “digital twins”。团队计划整合多个队列数据，并采用 community-based participatory approach，让有药物使用经历的社区成员参与模型设计、测试和应用边界设置。生成的数字孪生将被接入 HIV、HCV 传播、过量用药和相关健康结局模型，用来比较不同预防、治疗和资源分配策略在具体地区的可能效果。
为什么重要：HIV 长效预防和治疗、丙肝治愈方案、纳洛酮等工具已经存在，但公共卫生部门常缺少及时、细粒度且能反映服务对象偏好的数据。对药物使用人群而言，干预是否有效往往受信任、服务可及性、污名、司法环境和本地资源限制影响；同一策略从一个城市移植到另一个社区可能失效。AMPLIFY 若能把这些偏好与传播模型结合，可能让卫生部门在真实投放前先评估“哪种组合最可能被接受、成本最低、覆盖最大”。
边界也要写清楚。当前是研究资助启动和方法规划，并非已经交付给卫生部门的成熟系统。数字孪生模型容易受训练数据偏差、隐私保护、群体标签化和模拟结果过度解释影响；社区成员能否真正参与治理，而不只是作为数据来源，也会决定项目可信度。后续应关注模型验证方式、仪表盘是否公开试点、卫生部门采用场景、以及是否披露对不同人群的公平性评估。
信息来源
可信度说明
来源为 UC San Diego Today 官方新闻稿，并有 Newswise 同步发布，奖项金额、资助机构、项目名称、研究负责人和基本路线明确。局限是 NIH/NIDA 项目页面与阶段性成果尚未在本轮检索中形成可核验产出；目前只能确认资助和研究计划，不能确认模型实际效果。