人工智能在應對新冠肺炎疫情中的作用
2020-03-03 來源：raincent
作者：張毅菁 來源：上海情報服務平臺
加拿大人工智能公司最先發(fā)現新冠肺炎疫情的爆發(fā)
在不斷升級的武漢新冠肺炎疫情中，位于加拿大多倫多的人工智能創(chuàng)業(yè)公司BlueDot最早于2019年12月31日向其客戶發(fā)出了提前疫情警告“避開武漢等危險區(qū)域”，早于美國疾病控制與預防中心(CDC)1月6日的消息和世界衛(wèi)生組織(WHO)1月9日的通報。
BlueDot公司開發(fā)的人工智能(AI)驅動的“健康監(jiān)控平臺”對官方和非官方消息源的數十億個數據點進行分析，找出相關的詞匯和短語，迅速預測出全球最危險的傳染病的爆發(fā)。《華爾街日報》2月6日介紹稱，BlueDot搜集信息的來源包括：
Ø 國內外65種語言的報紙每天刊登的、超過10萬篇的新聞稿;
Ø 美國疾病控制和預防中心、世界衛(wèi)生組織、聯合國糧農組織和世界動物衛(wèi)生組織的官方報告;
Ø 衛(wèi)星實時氣候數據;
Ø 從航空公司行業(yè)組織國際航空運輸協(xié)會獲取的航班信息和隱匿了姓名的航班行程數據;
Ø 來自政府資源的其它信息，包括人口數據、可傳播傳染病的昆蟲數據、某地區(qū)人均擁有的醫(yī)生和護士數量及各地的經濟和政治形勢。
媒體報道還對上述信息來源做了兩點注釋：一是BlueDot的算法沒有使用社交媒體發(fā)布的內容，“因為社交媒體的數據實在太亂了”;二是與CDC在獲取某些臨床病毒信息之后，需要分析并核實數據，再決定是否需要發(fā)出健康警報的流程不同，BlueDot在獲取數據之后不需要走同樣的驗證和核實的流程，因此預警會更快。
溫哥華港灣(BCbay.com)的報道指出，BlueDot會將搜集到的信息和數據與超過150種病原體信息來進行集中處理，運用自然語言處理(Natural Language Processing)和機器學習(Machine Learning)訓練其“健康監(jiān)控平臺”，這樣可以識別和排除數據中的無關“噪音”。 BlueDot對數據進行篩選、組織和分析，發(fā)現一個可能的疾病爆發(fā)的信號后，會交由專家來復審。在此次新冠肺炎的案例中，BlueDot就發(fā)現了好幾個指向“未診斷肺炎(undiagnosed pneumonia)”的信息。
BlueDot的流行病學家拿到信號后，會從科學角度檢查結論是否合理，然后將報告發(fā)送給相關的政府、企業(yè)和公共衛(wèi)生客戶。此次，BlueDot將報告發(fā)送給了包括美國和加拿大在內的十幾個國家，包括航空公司和一線醫(yī)院的公共衛(wèi)生官員。目前，BlueDot還不會將其數據出售給大眾，但這是公司下一步努力的目標。
BlueDot的創(chuàng)始人兼首席執(zhí)行官Kamran Khan曾在2003年SARS流行期間，在多倫多擔任醫(yī)院傳染病專家。經歷過SARS之后，Khan認為“無法完全依賴政府及時提供信息”，可以找到一種更好的追蹤疾病的方法。2014年，Khan創(chuàng)辦了BlueDot公司，設計開發(fā)出AI驅動的“健康監(jiān)控平臺”，試圖用定向數據收集來獲知潛在流行傳染病爆發(fā)和擴散的線索——2014年，正確預測埃博拉病毒向西非以外地區(qū)的遷移;2016年，通過對巴西Zika病毒的傳播路徑建立AI模型分析，成功地提前六個月預測在美國佛羅里達州出現寨卡病毒。
事實上，BlueDot并非第一家試圖通過人工智能與大數據技術協(xié)助公共衛(wèi)生管理的公司。2008年，谷歌就曾推出了“谷歌流感趨勢”(Google Flu Trends，簡稱“GFT”)，根據匯總的谷歌搜索數據，近乎實時地對全球當前的流感疫情進行估測。這個工具最初運行表現很好：2009年在H1N1爆發(fā)幾周前，GFT成功預測了H1N1在全美范圍的傳播，甚至具體到特定的地區(qū)和州，且判斷非常及時，令公共衛(wèi)生官員們和計算機科學家們倍感震驚。但2013年1月，美國流感發(fā)生率達到峰值，而GFT的估計比實際數據高兩倍。事實上，GFT在很長一段時間內，多次過高地估計了流感的傳染情況。那么BlueDot能否不重蹈GFT的覆轍，還需要進一步觀察。
2月11日，中國工程院院士鐘南山在廣州接受“路透社”專訪時表示，除了現有的疫情防控措施外，還有更多工作需要去做，其中就包括建立疫情爆發(fā)預警的全球“哨兵”系統(tǒng)。此次AI對新冠肺炎爆發(fā)提前成功預警，是人類應對這場全球疫情危機的一抹亮色。
人工智能實時監(jiān)測疫情的傳播趨勢
為了制止疾病的傳播，公共衛(wèi)生官員需要迅速響應，與此同時，可能值得將一些任務托付給AI驅動的流行病學家。
在此次疫情擴散軌跡的預測方面，BlueDot的AI系統(tǒng)通過分析人們乘機離開武漢去外地的交通數據，準確地預測出該病毒接下來將擴散到曼谷、香港、東京等城市。這意味著AI監(jiān)測能力甚至可以做到預測流行病的分布和地域蔓延軌跡，并給出最佳解決方案。
《連線》雜志報道，波士頓兒童醫(yī)院流行病學家約翰·布朗斯坦管理著healthmap.org公共衛(wèi)生監(jiān)測平臺，利用AI模型分析政府案例報告、社交媒體信息、互聯網和其他來源的數據。布朗斯坦博士表示，應用AI不是取代公共衛(wèi)生人員的信息分析，而是利用AI不斷挖掘各類相關數據信息，然后過濾海量信息并輔助決策，讓政府有關機構在瞬息萬變的情形下作出最佳的疫情防范選擇。
布朗斯坦目前正在與波士頓的Buoy公司合作，該公司通過健康服務門戶網站向數百萬美國人在線提供健康建議。Buoy為那些懷疑自己可能感染新冠肺炎的人提供建議，并將其作為另一個數據源提供給布朗斯坦。人工智能的進步將使社會更快地對疫情做出反應，幫助流行病學家構建病毒傳播圖和可能的軌跡。
盡管自動監(jiān)控在公共衛(wèi)生領域已經應用了十多年，隨著最近幾年機器學習的進步，加上越來越多可用的海量數據，AI變得更加強大和精準。AI技術應用已經跨越了公共衛(wèi)生基線監(jiān)測，可協(xié)助更準確地預測疫情，包括傳播范圍和速度、最有可能的傳播方式和影響以及哪些是易感人群等。AI算法在對抗傳染病的蔓延方面，還可以優(yōu)化資源配置。
人工智能持續(xù)跟蹤疫情的發(fā)展進程
微信公眾號“全球醫(yī)生組織”載文稱，在此次疫情最初期，由于缺乏實時更新的動態(tài)數據，AI的應用價值有限。隨著數以百萬計的新冠肺炎案例數據和信息出現在社交媒體和新聞網站上，使AI算法可實時生成數據，為公共衛(wèi)生決策和跟蹤疫情發(fā)展提供幫助。
Ø 浙江省疾控中心上線自動化的全基因組檢測分析平臺，借助阿里達摩院研發(fā)的AI算法，將原來數小時的疑似病例基因分析縮短至半小時，大幅縮短疑似患者確診時間。
Ø 中國人工智能的先驅商SenseTime開發(fā)了一種智能醫(yī)學影像評估系統(tǒng)，以幫助醫(yī)生對新冠肺炎做出診斷。同時在收到更多超級計算資源的請求后，SenseTime已免費分配了20個GPU服務器節(jié)點，以幫助中山大學藥學院進行大規(guī)模針對新型冠狀病毒的藥物篩選研究。
Ø 全球電子健康信息平臺InterSystems正協(xié)助中國醫(yī)護人員分析冠狀病毒患者的臨床實時數據，應用AI機器學習來識別哪些藥物和方法對病毒更有效、副作用更小。
醫(yī)療界和社會民眾都希望用AI預測疫情進程和對正常人健康的影響。許多AI公司正在開發(fā)預測冠狀病毒傳播模型，通過建立疾病癥候學檢查器，評估和篩查冠狀病毒感染癥狀，將其與季節(jié)性流感和其他感冒區(qū)分開來。
未來，人工智能將有更多的應用場景：主要傳染病病原體的AI識別應用;基于主要傳染病疫區(qū)和傳染病的季節(jié)性流行數據建立傳染病AI預警機制;AI協(xié)助傳染病爆發(fā)后的醫(yī)療物資的優(yōu)化調配等。
參考文獻：
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. 讓谷歌折戟的AI流行病預測，在今天如何被創(chuàng)業(yè)公司攻占?，虎嗅，2020年2月4日
版權申明：本站文章部分自網絡，如有侵權，請聯系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯系。
