AI抗疫，各有高招

近期，北京出現了一些新冠肺炎確診病例。這一次北京反應迅速，對新發地市場、周邊小區以及到過市場有可能感染的人群進行了排查與核酸檢測。

目前，北京市核酸檢測日均采樣已經增長到近50萬人，可以說是嚴防嚴控，一刻不放松。在與病毒搏斗的這段時期里，對于檢測人員、醫療人員、各監管部門都是一場考驗。

在消耗大量人力的背后，信息技術充分發揮了輔助作用。其中，AI深度參與到了疫情預測、診斷診治、新藥研發等疫情防控全流程中。

用到了哪些AI算法？

IEEE終身會士、英國皇家工程院院士塔里克·杜拉尼在2020世界智能大會上發表演講時，把機器學習工具預測新型冠狀病毒隔離的影響進行檢測，分為7個步驟：識別風險人群、確診病例、快速研發藥物、預測疾病擴散的趨勢、深入了解病毒、分析病毒來源以及預測下一次流行期。

塔里克·杜拉尼認為，在診治診療階段，AI作用主要分為兩個層面：一是早期檢測與診斷感染。AI可以快速分析不相關的癥狀，通過算法生成新的診斷和管理方法，快速通過識別CT、MRI影像作出判斷。二是制定治療措施。建立病毒擴散智能平臺進行自動監測和分析，通過神經網絡方法提取病毒特征，幫助患者進行監測和治療。

塔里克·杜拉尼指出，通過半監督學習和貝葉斯深度學習組合在一起構建的新方法，可以對分子預測方法下不確定的部分進行量化;通過半監督學習實現少量數據限制下的信息性分子呈現;貝葉斯深度學習方法可以實現在統計命令方式下，認知的不確定信號評估。

增強學習方法可以應用在三個方面：探測疾病、整合大量信息輔助醫生處理復雜的診療判斷和基于大數據方法進行流行病學趨勢判斷。同時在社交媒體監控、新媒體傳播報道中也可以發揮重要應用。

提高了疫情防控效率

日前，央視新聞報道稱，北京部分監測點出現聚集現象，加大了人員感染風險，為了自身和他人安全，建議低風險人群不必著急做檢測。

針對民眾對于疫情擔憂和恐慌的心理，國內研究團隊開發了相關的AI+大數據平臺，有助于在疫情流行期緩解大眾恐慌，引導合理就醫。減少醫院，尤其是發熱門診的醫療負荷，顯著降低院內交叉感染的風險。

清華大學長庚醫院自研了COVID-19自測評估系統和COVID-19智能輔助分診系統。COVID-19自測評估系統是依據國家衛健委《新冠肺炎診療方案》設定問答式的疾病自測評估軟件，通過智能分析給用戶做出病毒感染風險層級評估，并給出保健和就醫的指導意見。

COVID-19智能輔助分診系統基于AI算法，結合流行病學史，癥狀、體溫、心率等數據，將就醫者病毒感染的風險自動分級為低危、中危、高危三種，可以做到快速精準的分診，提高醫院門診、急診的預見分診和醫生看診的效率，有助于降低發熱門診的負荷，減輕院內人群聚集和交叉感染的風險。目前，該系統已在國內多家醫院部署應用。

清華大學計算機系AMiner團隊和智譜.AI團隊構建了一個大規模、結構化、中英文雙語的新型冠狀病毒病毒知識圖譜，該平臺可以預測不同階段的病毒再生指數，通過機器學習算法建立模型，預測未來一段時間內感染人數的變化。

智譜.AI CTO張鵬在2020北京智源大會上發表報告時坦言，這種預測會面臨一些問題，比如統計口徑的變化，以及積累病例數據的釋放等都會導致數據波動。不同的人從感染、發病，到確診的周期，也會影響整個趨勢預測的準確率。

“所以在這些問題當中，我們都采用了大數據的方法。”張鵬指出，平臺可以對數據異常波動和周期預測問題進行處理，建立不同模型進行對比、分析，最終得出一個比較合理的預測模型，并且對于湖北與非湖北地區，中國與國際地區的分析模型，可以分別進行構建和預測。

也是對AI能力的一次大考

在談到研發新系統的技術難點時，中國工程院院士、清華大學臨床醫學院院長、清華長庚醫院院長董家鴻表示，最難的不是研發本身，而是提高管理者和公眾對于新技術的認可度。

在應急防控體系中，如何應用新技術、是否存在潛在風險成為很多管理者關心的重點問題。未來，在新科技產品應用方面，除了要注重研發，也要考慮如何高效地提高使用者的認知。

面對疫情，AI成了醫療抗疫過程中的有力幫手。在眾多新興技術中，AI仍然處于成長階段。從學術層面講，它在不斷突破，持續深挖;從應用角度講，它已經在各領域默默奉獻多時，但也遇到了對于有效性、精準度、安全性等問題的拷問。

無論是人還是技術，處于成長階段難免會出現各種問題，總要面臨來自各界的質疑甚至否認。AI是一項賦能的技術，不斷訓練，用數據澆灌才能激發出它最大的力量。這場疫情攻堅戰，也是對AI能力的一次大考，是AI從成長走向成熟的一次重要試煉。