文章采用文献计量学方法，系统分析了2014—2024年同时包含“人工智能”和“流行病学”相关主题词的中英文文献。研究结果显示，AI技术在流行病学中的应用呈现爆发式增长，我国学者在国际上的发文数量与学术影响力显著提升，自2022年起已超过美国。研究识别出“预测模型”“机器学习”“深度学习”等技术热点，应用重点集中于传染病监测预警、慢性病风险预测等方向，这与我国“预防为主、医防协同”的卫生工作方针高度契合，也反映出我国依托集中化的公共卫生体系与大规模健康数据，为AI技术规模化应用提供了独特土壤和制度优势。文章指出，通过自上而下的政策引导和场景规划，AI技术正成为我国公共卫生领域，特别是基层防控和早期预警环节的“力量倍增器”。

文章进一步阐明了AI技术在传染病防控中的独特价值，这对于冬季流感防控实践具有直接指导意义。研究认为，AI技术能够整合多源异构数据，构建更灵敏的“多点触发”预警模型，有助于将防控关口前移至“风险感知”阶段，为呼吸道传染病的早期干预和资源精准配置提供关键技术支撑。

文章客观指出，当前AI技术在流行病学研究中的应用，仍存在数据质量、模型可解释性、算法偏见、隐私伦理以及复合型人才等方面的瓶颈，强调在推进技术应用的同时，需同步加强数据治理、跨学科人才培养和伦理规范建设，确保AI技术发展安全、规范、可信。该研究表明，推动AI技术与流行病学的深度融合，不仅是技术层面的创新实践，更是构建强大公共卫生体系、筑牢生物安全屏障的战略性选择。