人工智能在应对新冠肺炎疫情中的作用

在此次新型冠状病毒肺炎疫情应对中，人工智能在预警疫情爆发、监测疫情蔓延、跟踪疫情发展等方面起到了重要作用——加拿大人工智能创业公司 BlueDot 早在2019年12月31日就发出了武汉肺炎疫情爆发预警，远早于世界卫生组织和美国疾病控制与预防中心的通报;人工智能研究者正在将机器学习技术应用到社交媒体、网络和其他数据中，寻找新冠肺炎在其它地方传播的微妙迹象;数据医学专家认为，人工智能正在成为监测疫情和跟踪疫情大流行的有效工具。今后，人工智能或将发挥更大作用——主要传染病病原体的人工智能识别应用;基于主要传染病疫区和传染病季节性流行数据来建立传染病人工智能预警机制;人工智能协助传染病爆发后的医疗物资的优化调配等。

作者：张毅菁    来源：上海情报服务平台

加拿大人工智能公司最先发现新冠肺炎疫情的爆发

在不断升级的武汉新冠肺炎疫情中，位于加拿大多伦多的人工智能创业公司BlueDot最早于2019年12月31日向其客户发出了提前疫情警告“避开武汉等危险区域”，早于美国疾病控制与预防中心(CDC)1月6日的消息和世界卫生组织(WHO)1月9日的通报。

BlueDot公司开发的人工智能(AI)驱动的“健康监控平台”对官方和非官方消息源的数十亿个数据点进行分析，找出相关的词汇和短语，迅速预测出全球最危险的传染病的爆发。《华尔街日报》2月6日介绍称，BlueDot搜集信息的来源包括：

Ø 国内外65种语言的报纸每天刊登的、超过10万篇的新闻稿;

Ø 美国疾病控制和预防中心、世界卫生组织、联合国粮农组织和世界动物卫生组织的官方报告;

Ø 卫星实时气候数据;

Ø 从航空公司行业组织国际航空运输协会获取的航班信息和隐匿了姓名的航班行程数据;

Ø 来自政府资源的其它信息，包括人口数据、可传播传染病的昆虫数据、某地区人均拥有的医生和护士数量及各地的经济和政治形势。

媒体报道还对上述信息来源做了两点注释：一是BlueDot的算法没有使用社交媒体发布的内容，“因为社交媒体的数据实在太乱了”;二是与CDC在获取某些临床病毒信息之后，需要分析并核实数据，再决定是否需要发出健康警报的流程不同，BlueDot在获取数据之后不需要走同样的验证和核实的流程，因此预警会更快。

温哥华港湾(BCbay.com)的报道指出，BlueDot会将搜集到的信息和数据与超过150种病原体信息来进行集中处理，运用自然语言处理(Natural Language Processing)和机器学习(Machine Learning)训练其“健康监控平台”，这样可以识别和排除数据中的无关“噪音”。 BlueDot对数据进行筛选、组织和分析，发现一个可能的疾病爆发的信号后，会交由专家来复审。在此次新冠肺炎的案例中，BlueDot就发现了好几个指向“未诊断肺炎(undiagnosed pneumonia)”的信息。

BlueDot的流行病学家拿到信号后，会从科学角度检查结论是否合理，然后将报告发送给相关的政府、企业和公共卫生客户。此次，BlueDot将报告发送给了包括美国和加拿大在内的十几个国家，包括航空公司和一线医院的公共卫生官员。目前，BlueDot还不会将其数据出售给大众，但这是公司下一步努力的目标。

BlueDot的创始人兼首席执行官Kamran Khan曾在2003年SARS流行期间，在多伦多担任医院传染病专家。经历过SARS之后，Khan认为“无法完全依赖政府及时提供信息”，可以找到一种更好的追踪疾病的方法。2014年，Khan创办了BlueDot公司，设计开发出AI驱动的“健康监控平台”，试图用定向数据收集来获知潜在流行传染病爆发和扩散的线索——2014年，正确预测埃博拉病毒向西非以外地区的迁移;2016年，通过对巴西Zika病毒的传播路径建立AI模型分析，成功地提前六个月预测在美国佛罗里达州出现寨卡病毒。

事实上，BlueDot并非第一家试图通过人工智能与大数据技术协助公共卫生管理的公司。2008年，谷歌就曾推出了“谷歌流感趋势”(Google Flu Trends，简称“GFT”)，根据汇总的谷歌搜索数据，近乎实时地对全球当前的流感疫情进行估测。这个工具最初运行表现很好：2009年在H1N1爆发几周前，GFT成功预测了H1N1在全美范围的传播，甚至具体到特定的地区和州，且判断非常及时，令公共卫生官员们和计算机科学家们倍感震惊。但2013年1月，美国流感发生率达到峰值，而GFT的估计比实际数据高两倍。事实上，GFT在很长一段时间内，多次过高地估计了流感的传染情况。那么BlueDot能否不重蹈GFT的覆辙，还需要进一步观察。

2月11日，中国工程院院士钟南山在广州接受“路透社”专访时表示，除了现有的疫情防控措施外，还有更多工作需要去做，其中就包括建立疫情爆发预警的全球“哨兵”系统。此次AI对新冠肺炎爆发提前成功预警，是人类应对这场全球疫情危机的一抹亮色。

人工智能实时监测疫情的传播趋势

为了制止疾病的传播，公共卫生官员需要迅速响应，与此同时，可能值得将一些任务托付给AI驱动的流行病学家。

在此次疫情扩散轨迹的预测方面，BlueDot的AI系统通过分析人们乘机离开武汉去外地的交通数据，准确地预测出该病毒接下来将扩散到曼谷、香港、东京等城市。这意味着AI监测能力甚至可以做到预测流行病的分布和地域蔓延轨迹，并给出最佳解决方案。

《连线》杂志报道，波士顿儿童医院流行病学家约翰·布朗斯坦管理着healthmap.org公共卫生监测平台，利用AI模型分析政府案例报告、社交媒体信息、互联网和其他来源的数据。布朗斯坦博士表示，应用AI不是取代公共卫生人员的信息分析，而是利用AI不断挖掘各类相关数据信息，然后过滤海量信息并辅助决策，让政府有关机构在瞬息万变的情形下作出最佳的疫情防范选择。

布朗斯坦目前正在与波士顿的Buoy公司合作，该公司通过健康服务门户网站向数百万美国人在线提供健康建议。Buoy为那些怀疑自己可能感染新冠肺炎的人提供建议，并将其作为另一个数据源提供给布朗斯坦。人工智能的进步将使社会更快地对疫情做出反应，帮助流行病学家构建病毒传播图和可能的轨迹。

尽管自动监控在公共卫生领域已经应用了十多年，随着最近几年机器学习的进步，加上越来越多可用的海量数据，AI变得更加强大和精准。AI技术应用已经跨越了公共卫生基线监测，可协助更准确地预测疫情，包括传播范围和速度、最有可能的传播方式和影响以及哪些是易感人群等。AI算法在对抗传染病的蔓延方面，还可以优化资源配置。

人工智能持续跟踪疫情的发展进程

微信公众号“全球医生组织”载文称，在此次疫情最初期，由于缺乏实时更新的动态数据，AI的应用价值有限。随着数以百万计的新冠肺炎案例数据和信息出现在社交媒体和新闻网站上，使AI算法可实时生成数据，为公共卫生决策和跟踪疫情发展提供帮助。

Ø 浙江省疾控中心上线自动化的全基因组检测分析平台，借助阿里达摩院研发的AI算法，将原来数小时的疑似病例基因分析缩短至半小时，大幅缩短疑似患者确诊时间。

Ø 中国人工智能的先驱商SenseTime开发了一种智能医学影像评估系统，以帮助医生对新冠肺炎做出诊断。同时在收到更多超级计算资源的请求后，SenseTime已免费分配了20个GPU服务器节点，以帮助中山大学药学院进行大规模针对新型冠状病毒的药物筛选研究。

Ø 全球电子健康信息平台InterSystems正协助中国医护人员分析冠状病毒患者的临床实时数据，应用AI机器学习来识别哪些药物和方法对病毒更有效、副作用更小。

医疗界和社会民众都希望用AI预测疫情进程和对正常人健康的影响。许多AI公司正在开发预测冠状病毒传播模型，通过建立疾病症候学检查器，评估和筛查冠状病毒感染症状，将其与季节性流感和其他感冒区分开来。

未来，人工智能将有更多的应用场景：主要传染病病原体的AI识别应用;基于主要传染病疫区和传染病的季节性流行数据建立传染病AI预警机制;AI协助传染病爆发后的医疗物资的优化调配等。

参考文献：

1. How AI Spotted and Tracked the Coronavirus Outbreak，The Wall Street Journal，2020年2月6日

2. AI used in the battle against the novel coronavirus outbreak，China Daily，2020年2月6日

3. 让谷歌折戟的AI流行病预测，在今天如何被创业公司攻占?，虎嗅，2020年2月4日

时间:2020-03-03 23:25  来源:    转发量:次