數字技術防控新型冠狀病毒肺炎的全球應用

樊倩，孔文君，張偉，田飚，郭雅圖，王虹霞*

(1.天津市眼科醫院斜視與小兒眼科，天津市眼科學與視覺科學重點實驗室，天津市眼科研究所，天津醫科大學眼科臨床學院，南開大學附屬眼科醫院，天津 300020；2.首都醫科大學附屬北京佑安醫院眼科，北京市感染性眼病診療中心，北京 100069；3.上海中醫藥大學附屬光華醫院 上海市光華中西醫結合醫院，上海 200052)

0 引言

自2019年12月中旬至今，一種新型冠狀病毒(SARSCoV-2)引起的呼吸系統疾病——新型冠狀病毒肺炎(Corona Virus Disease 2019，COVID-19)的爆發引發了世界性的生存危機。COVID-19在極短時間內以強傳染性感染患者，使其輸送病毒播散到全世界超過200個國家及地區，引起的感染病人數量呈指數式爆發增長，給全球經濟帶來巨大損失[1]。世界衛生組織(World Health Organization，WHO)于2020年1月30號緊急宣布COVID-19為國際關注的突發公共衛生應急事件。隨著對COVID-19的認識不斷深入和臨床研究的開展，越來越多的證據表明它的致死率比最初估計的要弱(死亡率約為2%)，但傳染性更強。據美國約翰霍普金斯大學發布的最新統計數據顯示，截至北京時間2020年12月31日，全世界共有85557668 例COVID-19感染患者，因其致死總人數已超過1847679人[2]。考慮到全球化進程和2020年中國在世界貿易方面的重要性，COVID-19對全球的不良影響將大于嚴重急性呼吸綜合征(Severe acute respiratory syndrome，SARS)。因此盡早預測COVID-19的發生及流行十分重要，這有利于盡早切斷其傳播途徑及全球公共衛生部門進行聯合防控部署。

在2020年的這場全球醫療危機中，許多國家依賴類似用于2003年SARS的感染控制和公共衛生措施等經典經驗來控制本國COVID-19的流行，包括了中國內地廣泛采取的嚴格隔離措施(例如，封鎖湖北省超過6000萬人口的流動)、密切接觸者進行追蹤軌跡調查(例如，新加坡、中國香港、韓國)。然而這些經驗性措施在2020年可能無法有效解決當前COVID-19的全球流行規模問題。我們回顧了數字技術在COVID-19中的潛在應用模式，探討其在COVID-19的監測、監督、檢測和預防傳播及其對全球醫療衛生健康模式、世界范圍內科學研究合作等方面的作用。

1 數字技術

數字技術是新科技時代的領航者，迄今涵蓋有四種高度關聯的數字技術。包括以新一代通信網絡架構的物聯網，大數據分析，使用深度學習的人工智能(Artificial Intelligence，AI)以及區塊鏈技術[3]。物聯網是在互聯網基礎上延伸和擴展的網絡，是將各種信息傳感設備與互聯網結合起來而形成的一個巨大網絡，它可以實現在任何時間、任何地點，人、機、物的互聯互通。四大類數字技術是高度相互關聯的：例如在醫院和診所廣泛應用物聯網有助于建立一個緊密互聯的數字生態系統，能夠大規模實時收集海量數據，然后經由人工智能和深度學習系統利用這些數據來分析了解醫療趨勢、建模風險關聯和預測結果。通過由帶有加密協議的反向鏈接數據庫和在不同組織中分布的計算機網絡構成的區塊鏈技術，確保在多個物理位置同步復制數據，并使用改進的算法確保數據安全與可追蹤[4]。區塊鏈本質是一個共享數據庫，存儲于其中的數據或信息，具有“不可偽造”“全程留痕”“可以追溯”“公開透明”“集體維護”等特征。大數據時代之下，AI數字技術在計算機速度的提高、新算法研究的深入、互聯網大數據平臺的普及幫助之下發展十分迅猛，成為醫療領域的前沿研究熱點，AI準確、高效的顯著優勢在分析臨床病歷資料中大量圖像數據具有極大的應用價值。AI技術的發展普及有助于新型醫療服務模式的建立，未來AI研究將會集中于綜合應用多模態成像數據，整合海量數據資源，進一步提高算法性能，對復雜疾病進行智能綜合性輔助診斷及臨床疾病預防控制等多個方面。

2 助力COVID-19的監測、監督、檢測及預防

2.1 物聯網為公共衛生機構在線獲取COVID-19流行的全球監測數據提供了平臺

“Worldometer”在線提供實時更新的COVID-19全球感染人數，包括每日新感染人數，感染人群的國家分布及疾病嚴重性統計(包括疾病好轉康復人數，感染者人數及死亡人數)[5]。美國約翰霍普金斯大學系統科學與工程中心也研發出實時追蹤COVID-19患者全球活動軌跡的追蹤地圖，實時更新的數據來源于世界多個國家和地區，其中包括美國疾病預防控制中心(Centers for Disease Control and Prevention，CDC)、WHO、歐洲疾病預防控制中心和中國國家衛生健康委員會、中國疾病預防控制中心等多個中心收集的數據[6]。

2.2 大數據分析提供了對病毒活動建立疾病研究模型的機會，借此來指導各個國家的衛生健康決策者做好應對COVID-19爆發流行的預案準備。

Wu等[7]通過收集三個全球性數據庫(官方航空指南、中國深圳騰訊公司和武漢市交通管理局的定位服務)來創建了COVID-19預測模型，既包括現癥病患，又可推測中國國內及境外疾病活動性，這一模型可被全球衛生機構采用。與此相似，Gilbert等[8]通過使用三個全球數據庫評估了非洲國家的COVID-19疫情防控，這將有助于提高非洲國家各衛生部門的認識，以便更好地為病毒爆發做好準備。

2.3 數字技術可以提升公共健康科普教育與交流能力

新加坡國立政府機構通過與美國Facebook旗下的WhatsApp合作來對公眾發布實時更新的COVID-19信息以及相應政府舉措的準確信息[9]。全球衛生健康機構均可通過多樣化社交媒體平臺如Facebook與Twitter，對公眾提供實時更新的疾病數據及探究疾病的未知之處。2020年4月3日，美國IBM公司推出基于IBM公有云的IBM Watson Assistant for Citizens服務，民眾可以通過在線或電話的方式獲得幫助。該服務集Watson Assistant、IBM研究院的自然語言處理功能，以及Watson Discovery最為先進的企業級AI搜索功能于一身，能夠快速理解和回答有關新型冠狀病毒的常見問題[10]。IBM已在全美國境內提供此項服務，同時也與捷克共和國、芬蘭、希臘、意大利、波蘭、西班牙、英國等多個國家展開合作。

2.4 AI與深度學習可以提高COVID-19的監測與診斷水平

一些面部識別技術公司如Sense Time，Sunell，基于AI圖像識別技術，采取數字紅外熱成像技術，使面部識別能夠識別 不同篩查點的高溫人群，在人群密集區域可同時開展非接觸快速體溫監測及警報體系[11]。AI和深度學習可以增強COVID-19的檢測和診斷能力，但COVID-19的診斷需要準確和低成本檢測仍然是目前全球廣泛應用的挑戰。在亞洲、中東、非洲等地區的多個發展中國家的許多偏遠地區，醫院中都沒有準確區分COVID-19和“普通流感”的病毒篩查測試。在印度尼西亞，因為COVID-19檢測費用高昂(試劑報價近7.5萬美元)，迄今為止只有兩例公開報告的COVID-19病例，盡管印尼國內人群具備密切接觸中國游客(2019年統計巴厘島累計有120萬中國游客)的記錄，印尼衛生當局仍然決定不檢測243名從武漢返回但無癥狀的公民。在此種情況下，AI輔助篩查系統用于替代診斷和篩選將非常有價值。厄瓜多爾副總統Otto Sonnenholzner在社交媒體轉發“基于華為云的新冠肺炎AI輔助篩查系統助力厄瓜多爾抗疫”內容，中國華為公司幫助厄瓜多爾成為拉丁美洲第一個擁有新冠肺炎AI輔助篩查系統的國家。中國有大量COVID-19病毒檢測陽性的病例數據(＞70000例)。這些都將是AI和深度學習的理想數據集[12]。雖然臨床中大多數患者都是輕癥COVID-19病例，但臨床醫生必須應用同樣水平的隔離、治療和監測所有不同程度的臨床確診患者，這對人力物力社會資源都是巨大考驗。而AI算法可以作為疑似感染病例的初步篩選工具(例如，中國、伊朗或韓國的旅行史，或接觸確診病例)，以便高風險的患者可以進行基于實驗室的確診性檢驗或被隔離，為疾病診療減輕公共負擔。

3 數字技術對疾病流行時期臨床醫療服務模式的影響

在COVID-19全球流行時期，保證核心和關鍵的臨床醫療服務至關重要。許多國家最初的應急措施是醫療機構減少甚至停止許多主要的臨床診療服務，包括關閉診療機構和無限期推遲醫療預約或選擇性手術。然而如果COVID-19大流行時間超過6個月，此種策略則難以為繼。此時，數字技術應用于醫療系統的優勢凸顯出來，現有的一系列數字技術可用于提升這些公共衛生策略。例如，“虛擬診所”“互聯網醫院”可以通過從外圍站點上傳并遠程分析患者的影像數據(例如胸部X光或胸部CT)實現遠程醫療專業咨詢[13]。這將可以確保患者繼續接受標準規范的臨床診療，同時減少患者進入醫院就診的臨床聚集。對于醫院的其他活動，如醫學專題研究和繼續教育等，虛擬電子學習平臺(例如線上培訓，會議云直播等)正越來越多地被用來取代面對面的現場會議。其次，利用各種基于AI技術的分類系統可以潛在地減輕醫生的臨床負擔，由主流的“線下”模式轉變為“線上”模式，例如在線醫療“聊天機器人”可以幫助患者識別早期癥狀，教育人們手衛生的重要性，若癥狀惡化就立即轉診就醫提醒等。移動通訊軟件(如微信)可以檢測和記錄病人的數據(例如每日體溫和癥狀)，可防止輕微流感樣癥狀的患者進行不必要的院內就診。第三，中國多家醫院正與區塊鏈公司及藥店合作，通過使用區塊鏈技術，醫院可以確保及時交付藥物并進行準確跟蹤，直接將患者的藥物送到家門口。此外，數字技術應用還擁有一個更為長期的優越前景，即數字技術應對COVID-19可以提高公眾和政府對此類技術在其他領域的接受度，包括慢性疾病的診療模式。例如在肺炎疫情下中國浙江大學附屬邵逸夫醫院通過開創性地將“互聯網+”藥事服務中心嵌入到健康云平臺中，提供包括處方審核、藥費支付、藥品調劑、第三方配送、用藥咨詢等全方位服務。基于此，越來越多的慢性病患者選擇通過“互聯網+”平臺進行診療，患者對于線上診療模式的接受度明顯提高，不僅縮短了患者復診、配藥的時間，減少了醫院人群的聚集程度，更有效地助力疫情防控，緩解疫情期間優質醫療資源緊張的局面[14]。

4 數字技術互聯世界范圍的科學研究合作

目前數字技術被應用于COVID-19基因組的分類、基于基因剪輯技術的COVID-19檢測分析、嚴重COVID-19患者的生存預測以及發現潛在的抗COVID-19藥物篩選。同時利用先進的機器學習算法，可以對COVID-19患者的大數據進行整合和分析，更好地了解病毒的傳播模式，進一步提高診斷的速度和準確性，開發新的有效治療方法。2020年3月16日，美國白宮和美國艾倫人工智能研究所聯合發布了一個面對全球開放、每周更新的COVID-19開放研究數據集，該數據集連續記錄了COVID-19相關的學者文章，以加速推進全球范圍內新的迫切需要實時數據的研究項目[15]。2020年1月24日中國首先發布由中國疾病預防控制中心病毒病預防控制所成功分離的第一株病毒毒種信息，同時啟動新型冠狀病毒的疫苗研發工作，但疫苗研發及靶向新藥研制需要海量數據分析及大規模的文獻篩選，數字技術可支持快速處理數據，自動篩選化合物，藥物分子設計、生物標志物篩選及探究新藥合成路線，繼而開展藥物有效性、安全性、理化特性分析以及新型組合療法等一系列研究。中國互聯網巨頭(百度和阿里巴巴)均率先在線開放了核心算法，開展全球針對COVID-19的研究合作，2020年1月30日，百度研究院宣布將向各基因檢測機構、防疫中心及全世界科學研究中心免費開放線性時間算法 LinearFold 以及世界上現有最快的 RNA 結構預測網站，以提升新型冠狀病毒RNA空間結構預測速度，LinearFold算法可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[16]；阿里巴巴研發能夠快速進行病毒基因分析，有效檢測病毒變異的大數據平臺，將提供一種基因組測序診斷工具，可幫助進行病毒遺傳數據篩選，蛋白質結構分析和診斷報告。阿里云公司DAMO Academy以及其通信平臺DingTalk免費提供多種AI工具，其中研發的CT圖像分析服務，對國內COVID-19數據建立疾病模型，預測患者出現肺炎癥狀的可能性及嚴重程度。同時，DAMO Academy的流行病預測工具可以通過生成規模及持續時間的估計值，在局部基礎上繪制出冠狀病毒流行病學的特征圖。它也可以用來預測病毒在不同條件下的傳播速度[17]。中科院北京基因研究所及華為云聯合多家權威研究團隊，通過AI技術對新型冠狀病毒多個靶標蛋白開展超大規模計算機輔助藥物篩選(8506種已上市或正在進行臨床試驗的藥物)，篩選出五種可能對新型冠狀病毒有效的抗病毒藥物。例如Beclabuvir，沙奎那韋 (Saquinavir)，比特拉韋 (Bictegravir)，洛匹那韋 (Lopinavir)，多替拉韋(Dolutegravir)。其中Lopinavir已經被列入治療新型冠狀病毒臨床試驗的登記列表。華中科技大學同濟藥學院及國家應急防控藥物工程技術研究中心等研究人員聯合表明，冠狀病毒nsp3編碼的木瓜樣蛋白酶(PLP)能夠幫助病毒基因組復制及逃避宿主抗病毒天然免疫，是藥物開發的良好靶點。研究組模擬了新冠病毒PLP的蛋白質結構，運用計算機虛擬篩選方法，得到33個新冠病毒PLP的潛在抑制分子。因此在數字技術支持下，針對新型冠狀病毒的藥物研發過程可以被大大縮短。

5 展望

數字技術利用先進的機器學習算法，可以對COVID-19患者的大規模數據進行整合和分析，更好地了解病毒的傳播模式，進一步提高診斷速度和準確性，開發新的有效治療方法，并根據個體化的遺傳和生理特征潛在地識別出最易感人群。同時數字技術助力疾病流行時期臨床醫療服務模式由主流的“線下”轉變為“線上”模式，再者數字技術協助COVID-19世界范圍的科學研究合作共享。總之，2020年的COVID-19為數字技術研究提供了一個巨大的機遇和挑戰，數字技術同樣為COVID-19全球防控提供了強大的技術平臺與背景支持，為推動未來醫藥領域的數字變革提供了良好前景。