AI病毒預(yù)警：大幅縮短疑似患者確診時間 能夠發(fā)現(xiàn)初步跡象

截至今日9點，全國新型冠狀病毒肺炎確診病例數(shù)已達(dá)17238，疑似病例數(shù)21558。

而病毒在不斷蔓延的過程中，人工智能在遏制其他疾病傳播方面的作用也受到了關(guān)注。

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(dá)摩院研發(fā)的AI算法，原來數(shù)小時的疑似病例基因分析縮短至半小時，加上杰毅生物技術(shù)的新型檢測設(shè)備，大幅縮短疑似患者確診時間。

百度成立了總規(guī)模3億元的疫情及公共衛(wèi)生安全攻堅專項基金，明確提出將提供人工智能技術(shù)支持，配套億級計算資源，助力疾控機構(gòu)、科研院所等研究單位進行研發(fā)提速。

其百度地圖、百度搜索的時空大數(shù)據(jù)資源和大數(shù)據(jù)分析能力，可對民眾遷徙情況、各地關(guān)切的問題、普通用戶的信息反饋等信息進行挖掘整理。

并且在北京清河火車站，落地應(yīng)用了百度的AI多人體溫快速檢測解決方案，對遏制疫情在公共場所的傳播起到了幫助。

再如華為，在火神山醫(yī)院建設(shè)的過程中，積極協(xié)作運營商搭建5G網(wǎng)絡(luò)環(huán)境。

AI算法不僅能提供更好的干預(yù)和預(yù)防策略，在對抗傳染病蔓延方面，還可以優(yōu)化資源配置。甚至在病理學(xué)家注意到疫情爆發(fā)之前，就能夠發(fā)現(xiàn)初步跡象。

比如這次武漢新型冠狀病毒肺炎大爆發(fā)前，加拿大一個健康監(jiān)測系統(tǒng)在12月31日，就通過AI驅(qū)動的算法，向客戶發(fā)出了疫情消息。

而其實，AI很早便已加入到了抗擊傳染病這場戰(zhàn)斗。

算法如何預(yù)測傳染病?

在2014年的一項研究中，研究人員使用一種統(tǒng)計模型，來評估英國的艾滋病毒檢測和治療情況。

并且還對那些沒有意識到自己疾病狀況的艾滋病毒攜帶者做了定位。

這項研究發(fā)現(xiàn)，即使艾滋病毒攜帶者在行為上沒有做出改變，他們的方法也可以減少5%的新感染。

2016年，來自梅西大學(xué)和加利福尼亞大學(xué)的團隊開發(fā)了一種AI，可以用于預(yù)測絲狀病毒的傳播。

這種病毒通常會感染蝙蝠，但也可以傳染給人類(埃博拉和馬堡是最常見的兩種病毒株)。

模型使用了57種不同的因素，可以預(yù)測哪種蝙蝠攜帶了絲狀病毒，準(zhǔn)確率高達(dá)87%。

2017年后續(xù)研究的模型，根據(jù)現(xiàn)有預(yù)算，對丙型肝炎病毒(HCV)預(yù)防工作進行了評估。

研究人員發(fā)現(xiàn)，若是有10億美元的預(yù)算，公共衛(wèi)生資金的最佳用途將是完全集中于治療(重點是早期治療)。

但如果預(yù)算是50億美元，最好把60%的預(yù)算花在篩查上，剩下的用于治療。

同樣是在2017年，來自新加坡Saw Swee Hock公共衛(wèi)生學(xué)院和新加坡國家環(huán)境署環(huán)境衛(wèi)生研究所的科學(xué)家，開發(fā)了一種預(yù)測登革熱爆發(fā)的算法。

這個算法考慮了十年的歷史氣候信息和季節(jié)性登革熱模式，可以提前四個月預(yù)測登革熱的爆發(fā)。

而不久之后，創(chuàng)業(yè)公司Aime開始提供一個預(yù)測登革熱爆發(fā)地點和時間的工具，準(zhǔn)確率可以達(dá)到84% 。

2018年，南卡羅萊納大學(xué)的科學(xué)家開發(fā)了一種算法，可以幫助機構(gòu)更經(jīng)濟有效地調(diào)整其服務(wù)范圍。

研究人員使用印度結(jié)核病預(yù)防和美國淋病預(yù)防的真實數(shù)據(jù)進行了測試研究，結(jié)果表明，該算法可以預(yù)防8000例結(jié)核病和20000例淋病。

同樣具有預(yù)測模型面臨的缺陷

盡管人工智能有望成為全球衛(wèi)生流行病規(guī)劃工具，但要記住，任何疾病預(yù)測算法都無法避免預(yù)測模型面臨的缺陷。

以谷歌2008年發(fā)布的Flu Trends為例。

它提供超過25個國家流感活動的估計，監(jiān)測數(shù)百萬用戶的健康追蹤行為，可以揭示人口是否隱藏任何類似流感的疾病。

但由于流感報道在新聞中的地位較為突出，搜索量的增加使得關(guān)于流感趨勢聚合查詢的方式，可能夸大了預(yù)測的比率。

而在IBM Waston提供了的一個類似流感預(yù)測工具中，將預(yù)測窗口限制為15天。

為了克服這種缺陷，一些公司正在開發(fā)新的方法來解決系統(tǒng)內(nèi)部的偏見(bias)，并驗證其準(zhǔn)確性。

Metabiota的平臺根據(jù)疾病的癥狀、死亡率和治療可行性等信息，來評估疾病傳播的風(fēng)險。

目前正在與美國情報機構(gòu)和國防部，就與這次新型冠狀病毒有關(guān)的問題進行合作。

而BlueDot的系統(tǒng)，使用自然語言處理和機器學(xué)習(xí)算法，通過每天分析65種語言、約10萬篇文章來跟蹤100個傳染病。

包括旅行路線信息和航班路徑，以及一個地區(qū)的氣候、溫度和當(dāng)?shù)厣蟮男畔ⅰ?/p>

無論有效與否，在未來幾年，開發(fā)能夠跟蹤疾病傳播的自動化系統(tǒng)速度將會提高。

Bcc Research 的分析師表示，到2023年，數(shù)字病理學(xué)和流行病學(xué)市場預(yù)計將達(dá)到102億美元(高于2018年的48億美元) ，這主要得益于計算可擴展性和模型特征工程方面的創(chuàng)新。