人工智能技術在疫情防控中的應用及發展態勢研究

研究摘要：防控疫情，科技大顯身手，其中人工智能基礎算法、感知和認知技術賦能病毒檢測、新藥研發、疫情發現和篩查、輔助診療等各項工作，引起各界普遍關注。研究認為，加快技術研發，出臺政策支持，將促使“智能+健康醫療”產業形成更加廣泛的發展空間和應用前景。

一、人工智能與醫療健康融合發展趨勢

今天的科學技術尤其是信息技術，較2003年“非典”發生時，已有長足發展。17年前，中國的互聯網起步不久，BAT初出茅廬。由于應對“非典”，城市、人群需要隔離，電子商務、網絡游戲等一系列互聯網服務便應運而生，騰訊、淘寶、京東等由此崛起。經過17年的發展，科技創新能力不斷提高，重大成果不斷涌現，人工智能、大數據、云計算、5G等技術展現出蓬勃活力，新一代信息技術與傳統行業融合發展，成為經濟發展的新動能。

人工智能技術經過60多年的演進，在各行各業的應用也進入全新階段。這一輪的人工智能技術浪潮以機器學習、深度學習算法突破為契機，以海量數據為源動力，以強大的云計算算力為支撐，以應用、場景、需求為導向，推動人類社會進入智能時代。

在醫療健康領域，相對于傳統醫療方式，人工智能技術提供了全新的方法進行疾病診斷，創建治療方案，提高醫生和醫院效率，減少誤診；同時在基因篩查和藥物篩選等方面也有著亮眼的成績。根據Global Market Insight報告顯示，2019年至2025年，人工智能在醫療健康領域市場規模的復合年增長率預計將達到41.7%【1】。

2017年7月，國務院發布《新一代人工智能發展規劃》，特別提出要在醫療健康領域發展便捷高效的智能服務。《規劃》提出，要“加強群體智能健康管理，突破健康大數據分析、物聯網等關鍵技術，研發健康管理可穿戴設備和家庭智能健康檢測監測設備，推動健康管理實現從點狀監測向連續監測、從短流程管理向長流程管理轉變”，“推廣應用人工智能治療新模式新手段，建立快速精準的智能醫療體系。探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診”。有關研究咨詢機構預測，2020年我國人工智能核心產業規模將超過1500億元，而醫療健康領域人工智能技術應用產業將占人工智能總體市場規模的五分之一【2】。

此次新冠疫情防控，眾多場合利用人工智能深度學習、圖像識別等技術賦能紅外熱像儀，大幅提高測溫效率和異常體溫者檢出的準確率，并可實現公共場所無人值守的智能體溫檢測；多家醫院采用基于AI的診斷算法用于快速診斷病例，大幅縮短了病例確診時間，等等；人工智能技術產品成為戰“疫”的明星。

二、人工智能技術高效精準賦能疫情防控

此次新冠肺炎病毒非常“狡猾”，潛伏期長，傳染性強，因此對疫情防控帶來困難。而利用人工智能技術，以其高效、標準、實時的特點，正好可以“迎頭痛擊”新冠疫情。

人工智能一般可以分為基礎層、感知層、認知層技術。基礎層包含軟硬件框架和人工智能基礎算法，如機器學習、深度學習、強化學習、遷移學習等；感知層模擬人類感知世界的能力，主要包括計算機視覺、語音識別與合成、增強現實/虛擬現實等技術；認知層主要包括自然語言處理、知識圖譜、規劃與決策等技術。這些技術在此次疫情防控過程中，都有不同程度的應用。

1. 人工智能基礎算法支撐病毒基因檢測和藥物研發，展現出廣泛應用于疾病預測與精準醫療的巨大潛力

基因測序與檢測，是實現疾病風險預測的重要基礎。人工智能在基因檢測與篩查領域的應用正以驚人的速度發展，為保障人類健康提供了新的發展機遇。基因數據量龐大且受限于遺傳學家經驗和知識結構，傳統基因檢測通用算法效果不佳，準確率低，已經遇到了發展瓶頸；而以深度學習為代表的人工智能技術正逐步成為基因組數據分析的主要方法，展現出優異的性能和強大的可擴展能力。2017年底，Google推出了基于深度神經網絡的基因測序平臺DeepVariant，通過將高通量測序數據轉換為完整的基因組圖像，從而自動識別測序數據中的插入、缺失突變以及單堿基對突變，在準確率和精度上優于傳統算法，并在FDA評測中獲得優異成績。2018年，英國格拉斯哥大學研究團隊借助機器學習算法，更高效地從基因層面預測埃博拉和寨卡等病毒的天然宿主，從而采取措施預防這些病毒傳播到人類身上。上海交大發布的《中國人工智能醫療白皮書》中預測，到2022年，我國基因測序市場規模接近300億元左右。

另外，利用機器學習算法可以大幅減少藥物研發的時間成本，降低失敗率。通過計算機模擬，人工智能可以對藥物活性、安全性和副作用進行預測，找出與疾病匹配的最佳藥物。在臨床試驗階段，人工智能算法還可以結合患者真實數據，通過算法建模，進行風險評估和虛擬篩選，有效預測藥物效果。高盛曾預測，人工智能與機器學習在新藥研發中可以降低風險，每年節約超過280億美元成本。

目前，全國新型冠狀病毒肺炎疫情依然嚴峻，能夠快速精確的診斷，對疫情控制尤為重要。人工智能算法在病毒基因的檢測中可以提供有力的支撐，提升病毒篩查效率。在此次疫情防控過程中，浙江省疾控中心上線的自動化全基因組檢測分析平臺就是一種全新的嘗試。該平臺采用一項全基因組檢測技術，對疑似病例的病毒樣本進行全基因組序列分析比對，能夠有效防止病毒變異產生的漏檢，大幅提高疑似病例的確診速度和準確率。它利用阿里達摩院研發的AI算法，可將原來數小時的疑似病例基因分析縮短至半小時，大幅縮短確診時間，并能精準檢測出病毒的變異情況。此外，AI算法也可以用于加速預測病毒RNA空間結構。百度研究院近日免費的開放線性時間算法LinearFold，可以將此次新型冠狀病毒的全基因組二級結構預測從55分鐘縮短至27秒，提速120倍，從而助力疫情防控。

在藥物研發方面，全球健康藥物研發中心（GHDDI）會同清華大學藥學院免費將人工智能藥物研發和大數據資料分享開放給科研人員，共同加速新型冠狀病毒藥物研發。同時，GHDDI團隊還根據新型冠狀病毒和SARS病毒的同源性建立了多個靶點結構模型并開展了一系列分子動力學模擬，計算化學藥物設計，以及人工智能藥物設計工作，為進一步探索靶點機制，實現“老藥新用”的虛擬篩選，為后續的藥物設計和實驗開發奠定基礎。

2. 人工智能感知技術投入實用，可提升疫情發現、篩查效率

基于視覺、語音等的人工智能感知技術近年來取得了重大突破，在相關研究機構的多項公開測試中，人工智能感知系統在某些特定任務上已經達到甚至超過人類水平。圖像識別和語音識別技術也已基本成熟，從實驗室走向產業應用階段，如今已廣泛成功運用于安防、教育、醫療等多個領域。

得益于龐大的醫療影像數據、相對成熟的計算機視覺算法和云計算充足的算力資源，智能醫學影像被業界認為是人工智能與醫療結合最成熟的領域，也是最有可能率先實現商業化的人工智能醫療賽道。根據Global Market Insight數據顯示，我國人工智能醫學影像市場增速約為40%，預計2024年市場規模將達到25億美元，市場占比將達到25%，它也是中國人工智能醫療應用領域中最熱門、應用最為成熟領域。

在此次疫情防控工作中，體溫檢測是排查疫情最基本的方法。在人口稠密的公共場所（地鐵、火車站、機場、集中辦公區等），需要快速、高效、精準地識別出高溫人群。基于圖像識別技術和紅外成像技術所研發的非接觸式遠距離人工智能測溫系統能夠高效、準確、無感知地對大量人流中的高溫人員進行篩查，輔助工作人員快速定位體溫異常者，與傳統體溫檢測方式相比，具有降低交叉傳染風險、節省人力資源、提高檢測效率等優勢。雖然現在處于疫情防控關鍵時期，口罩影響了人臉識別的特征，但依托現有人臉識別等成熟的模型可以快速進行有針對性的算法定制開發和數據訓練，讓人工智能測溫系統快速投入疫情排查一線。目前，已經有互聯網公司快速響應，百度、曠世科技等分別推出了非接觸式遠距離體溫檢測系統解決方案，并已經用在人口密集的地鐵、車站等流動場所使用。

另外，面對疫情突發，多地疾控中心和政府熱線咨詢量激增，咨詢、排查工作繁重，人力資源嚴重短缺。百度、科大訊飛等公司推出的智能外呼平臺可以定向或隨機發起撥入居民電話，自動詢問并采集居民的疫情信息，對居民進行疾病宣教和防控指導，并根據關鍵詞自行歸納成信息檔案，詳細記錄通話方離返時間、身體健康狀況等。外呼平臺可以在一秒內撥出一千余個電話，大幅提升了疫情發現、篩查的效率。據公開信息，百度智能外呼平臺已經在北京海淀上地街道辦、陜西西安、延安、上海寶山、浙江溫州瑞安市等十幾個地區投入使用，外呼總量已達百萬次。

3. 人工智能認知技術逐漸接近醫生水平，實現智能輔助診療

智能輔助診療是將人工智能技術用于輔助診療中，讓計算機“學習”專業醫療知識，模仿醫生的思維和診斷推理，為醫生提供可靠的診斷和治療決策支持。智能輔助診療是人工智能未來在醫療領域的重要發展方向，也是最核心的應用場景，對于應對醫療資源分布不均、基層衛生機構醫師資源不足，提高醫療服務質量，保障居民醫療健康等，有非常重要的意義。

2018年，美國食品藥品監督管理局（FDA）批準了世界上第一款針對糖尿病視網膜病變醫療級的人工智能系統IDx-DR。該系統能夠掃描和分析有風險患者的視網膜，并在沒有任何人工協助的情況下提供診斷。谷歌的子公司DeepMind、倫敦大學學院和Moorfields眼科醫院的研究人員研發了一款基于深度學習的眼科疾病診斷軟件，可識別出50多種威脅到視力的眼科疾病，準確率高達94%，超過了人類專家的表現。在國內，廣州市婦女兒童醫療中心與依圖科技等科研團隊設計出基于人工智能的疾病診斷系統，將醫學知識圖譜加入其中，使計算機可以像人類醫生一樣根據讀取的電子病歷來“診病”，可以自動診斷55種常見兒科疾病和部分危急重癥，診斷水平可達到兒科主治醫生的專業水準。

在此次疫情的篩查中，科大訊飛開發的“智醫助理”已應用于病歷分析篩查潛在高危患者。該系統對覆蓋范圍內的區縣，以發熱、咳嗽、呼吸困難、流行病學史（武漢相關史）、影像學、血常規六個維度，在線對患者病歷內容進行挖掘分析，自動篩選出與感染新冠病毒的肺炎病癥相似的患者，并由團隊出具專題分析報告交給相關醫療單位，供其決策和參考。

在此次疫情防控中，由依圖醫療研發的首款智能評估新冠肺炎的AI影像系統也已在上海市公共衛生臨床中心等機構上線并投入使用。該系統使用人工智能圖像算法能夠在2至3秒內完成CT影像的智能化診斷和定量評價，為臨床醫護人員提供多維度的決策幫助，同時極大提升了分析效率，減輕醫生的工作負荷，為減緩當前醫療資源短缺壓力起到一定的作用。

三、“智能+醫療健康”產業發展建議

基于人工智能技術與醫療健康行業融合發展的趨勢，以及此次新冠疫情防控中人工智能技術的應用成果，以此為契機，進一步總結經驗，盡快出臺相關政策措施，多方促進，必將推動人工智能技術更加廣泛深入地應用到醫療衛生與健康領域，從而更好地推動人工智能產業贏得更好更快發展。由此，我們提出如下建議：

1. 積極推動疫情防控過程中的人工智能技術應用成果產業化

為了抗擊疫情，我國投入了創新技術應用，產生了一系列創新成果，為推動人工智能技術進步和智能醫療產業進行了有益探索。盡管這些成果用于應急環節，具有很強的針對性和適時性，但是其技術和產品也具有相當大的通用性和實用性，可以將這些應用成果進行完善和轉化，可以繼續賦能或轉移到其他領域或應用場景。建議對此次疫情防控過程中的人工智能技術進行應用經驗進行總結，推出具體政策措施，持續推進這些技術成果落地，形成產業化，使其更好地實現社會和經濟效益。

2. 加大“智能+醫療健康”技術與產品研發，利用人工智能技術緩解醫療資源緊張問題

醫療資源分配嚴重不均是我國醫療領域存在的一大痛點。在當前人口老齡化、慢病高速增長的背景下，為智能醫療健康產業創造了巨大的市場需求。利用人工智能技術，加大“智能+醫療健康”技術與產品研發，建設平臺式大型人工智能醫院，發展智能醫療健康，既將有助于減輕臨床醫生負擔，提升診斷效率，優化醫院運行效率，提升人民群眾幸福感，又將更加快速地培育出具有特色的人工智能產業。

3. 鼓勵數據開放，加強醫療衛生與健康數據的共享和利用

數據是人工智能技術與應用不斷迭代提升的重要基礎。機器學習/深度學習算法的效果隨著訓練數據的增加而提升。流行病學家、病毒學家等科研工作者的努力，也都依賴于病毒和實驗數據的及時公開。醫療數據因其特殊性，建議制定相關法律，在保障數據安全和隱私的條件下，鼓勵將與疫情有關的數據和成果及時公開，并進一步推動醫療健康數據和信息共享機制。利用技術手段，采用聯邦學習等新方法，在不損害用戶隱私的情況下共享數據。

4. 彌補人才短板，加快培養智能醫療復合型人才

人才是技術創新發展的重要源動力。目前，人工智能領域本身面臨很大的人才缺口，而智能醫療又是人工智能與醫療兩個專業性極強領域的融合，培養智能醫療復合型人才是當務之急。建議加大復合型人才培養力度，鼓勵“高校-醫院-企業”聯合培養模式，完善人才培養長效機制。同時，要加強醫務人員對智能醫療相關產品的技能培訓，增強對人工智能技術和產品的理解，確保人工智能產品更好地應用于實際的臨床醫療中。

（劉九如主持研究并統稿審改，宗淙執筆）

【1】 Global Market Insight， 《Healthcare Artificial Intelligence Market Size By Application Industry Analysis Report， 2019 – 2025》，2019年2月.

【2】 德勤，《全球人工智能發展白皮書》，2019年9月.