Bài báo này trình bày Mantis, một mô hình nền tảng được đào tạo hoàn toàn bằng dữ liệu mô phỏng cơ học, nhằm khắc phục sự phụ thuộc vào dữ liệu bệnh cụ thể, đào tạo tùy chỉnh và các yêu cầu điều chỉnh của chuyên gia đối với các mô hình dự báo dịch bệnh hiện có. Mantis được xây dựng dựa trên hơn 400 triệu ngày dữ liệu dịch tễ học mô phỏng về các đợt bùng phát, bao gồm nhiều loại mầm bệnh, phương thức lây truyền, can thiệp và lỗi giám sát. Mặc dù được đào tạo mà không có dữ liệu thực tế, Mantis vẫn vượt trội hơn 39 mô hình được chuyên gia điều chỉnh trên sáu loại bệnh và vượt trội hơn tất cả các mô hình trên Trung tâm Dự báo COVID-19 của CDC. Hơn nữa, nó có thể tổng quát hóa thành các chế độ động lực dịch bệnh mới và có thể diễn giải theo cơ học, cho phép xác định nguyên nhân cơ bản của các dự đoán. Đường chân trời dự báo tám tuần của nó gấp đôi đường chân trời dự báo của hầu hết các mô hình, cho phép lập kế hoạch y tế công cộng chủ động. Tóm lại, Mantis chứng minh rằng nó có thể đóng vai trò là nền tảng cho một hệ thống dự báo bệnh tật thế hệ tiếp theo mang tính tổng quát, có thể diễn giải và triển khai được khi các mô hình hiện có không thành công.
