AI病毒預警：大幅縮短疑似患者確診時間 能夠發現初步跡象

截至今日9點，全國新型冠狀病毒肺炎確診病例數已達17238，疑似病例數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，借助阿里達摩院研發的AI算法，原來數小時的疑似病例基因分析縮短至半小時，加上杰毅生物技術的新型檢測設備，大幅縮短疑似患者確診時間。

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

其百度地圖、百度搜索的時空大數據資源和大數據分析能力，可對民眾遷徙情況、各地關切的問題、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，在火神山醫院建設的過程中，積極協作運營商搭建5G網絡環境。

AI算法不僅能提供更好的干預和預防策略，在對抗傳染病蔓延方面，還可以優化資源配置。甚至在病理學家注意到疫情爆發之前，就能夠發現初步跡象。

比如這次武漢新型冠狀病毒肺炎大爆發前，加拿大一個健康監測系統在12月31日，就通過AI驅動的算法，向客戶發出了疫情消息。

而其實，AI很早便已加入到了抗擊傳染病這場戰斗。

算法如何預測傳染病?

在2014年的一項研究中，研究人員使用一種統計模型，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。

這項研究發現，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，來自梅西大學和加利福尼亞大學的團隊開發了一種AI，可以用于預測絲狀病毒的傳播。

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，可以預測哪種蝙蝠攜帶了絲狀病毒，準確率高達87%。

2017年后續研究的模型，根據現有預算，對丙型肝炎病毒(HCV)預防工作進行了評估。

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

但如果預算是50億美元，最好把60%的預算花在篩查上，剩下的用于治療。

同樣是在2017年，來自新加坡Saw Swee Hock公共衛生學院和新加坡國家環境署環境衛生研究所的科學家，開發了一種預測登革熱爆發的算法。

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

而不久之后，創業公司Aime開始提供一個預測登革熱爆發地點和時間的工具，準確率可以達到84% 。

2018年，南卡羅萊納大學的科學家開發了一種算法，可以幫助機構更經濟有效地調整其服務范圍。

研究人員使用印度結核病預防和美國淋病預防的真實數據進行了測試研究，結果表明，該算法可以預防8000例結核病和20000例淋病。

同樣具有預測模型面臨的缺陷

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

以谷歌2008年發布的Flu Trends為例。

它提供超過25個國家流感活動的估計，監測數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于流感趨勢聚合查詢的方式，可能夸大了預測的比率。

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

為了克服這種缺陷，一些公司正在開發新的方法來解決系統內部的偏見(bias)，并驗證其準確性。

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

目前正在與美國情報機構和國防部，就與這次新型冠狀病毒有關的問題進行合作。

而BlueDot的系統，使用自然語言處理和機器學習算法，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，以及一個地區的氣候、溫度和當地牲畜的信息。

無論有效與否，在未來幾年，開發能夠跟蹤疾病傳播的自動化系統速度將會提高。

Bcc Research 的分析師表示，到2023年，數字病理學和流行病學市場預計將達到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新。