人工智能在疫情防控中的應用探討

董麗，于晶

（山東醫學高等專科學校，山東 濟南 250002）

1 概述

人工智能（Artificial Intelligence），英文縮寫為AI，是計算機學科的一個重要分支，是主要研究用計算機模擬人類思維過程和智能行為的學科，該領域的研究包括語言識別、自然語言處理、機器人、圖像識別、專家系統等。中國的人工智能研究和應用雖然起步較晚，但在國家政策和科研基金的大力扶持下迅猛發展，人工智能技術在醫療、工業、商業、通信、城市管理等方面被廣泛應用。2019 年末中國突然爆發新冠肺炎疫情，工信部科技司發布了《充分發揮人工智能賦能效用，協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》，號召加快攻關和應用能有效支撐疫情防控的AI 產品[1]，相關企業和機構紛紛快速做出反應，開發出眾多智能產品，這些產品在提高管控工作效率、降低人員感染風險、提高診療效率等方面發揮了重要作用。

2 人工智能在疫情防控中的應用

2.1 AI 預測

2.1.1 AI 疫情預測

鐘南山院士團隊與云創大數據等多家科技企業和機構合作，基于經典的SEIR 模型，引入2020-01-11—02-17 湖北和全國人口的遷入和遷出數據，并將這期間新冠肺炎流行病學數據作為訓練數據，通過機器學習構建人工智能模型，得出湖北和全國感染人數預測趨勢曲線，準確預測了中國疫情將于2020-02-20 左右到達拐點，感染人數為8 萬人左右[2]。AI 模型和隨后疫情的發展均表明，中國政府對此次疫情的強力干預和延遲復工復學等應對措施對控制疫情起到了關鍵作用，保護了人民的生命和健康。

2.1.2 AI 新冠肺炎患者病情發展預測

疫情期間，有部分患者在患病初期癥狀并不嚴重，但是病情發展到某個階段后卻急轉直下，甚至危及生命。為了盡早識別出有重癥高風險的患者，鐘南山院士團隊與騰訊AI Lab 合作，基于AI 深度學習、大數據分析等技術，研發出能預測新冠患者病情發展的AI 模型，通過這個模型，醫生能夠根據患者年齡、是否有惡性腫瘤病史、是否氣促等10 項特征，計算出患者5 d、10 d 及30 d 內的重癥風險系數[3]。實驗表明，這個AI 預測模型具有很高的準確性，為重癥高風險患者的治療和搶救搶占了先機，此模型研究于2020-07-15 發表在《Nature》的子刊《Nature Communications》上，模型代碼面向全球開源，助力全球戰疫。

2.2 紅外熱成像智能測溫系統

紅外熱成像智能測溫系統基于紅外熱成像技術和人臉識別技術研發，特別適用于車站、機場、醫院等人流密集、客流量大的場合，能進行遠距離、大面積的非接觸式快速測溫，做到通行即測溫，一旦被測者體溫超過閾值，系統會立刻報警并指示位置，還可提示未佩戴口罩者，人員大量聚集時能進行預警。還可以對測溫系統采集的視頻數據進行智能化分析，利用大數據平臺服務，對高危人員的行動軌跡和活動場所進行追蹤，并快速篩查出密切接觸人員。紅外熱成像智能測溫系統作為疫情防控的有效監測手段被廣泛應用，大大提高了測溫效率，避免了人員聚集導致的傳染風險，為人群相對密集的公共場所提供了一道堅實的防線。

2.3 智能機器人代替人工服務

2.3.1 防疫巡檢機器人

防疫巡檢機器人能夠自主規劃最優路徑，在車站、機場、醫院等公共場所以及居民小區自動進行防疫巡檢，巡檢過程中能進行防疫宣傳，遇到不戴口罩者可以對其喊話提醒，一些智能防疫巡檢機器人還能對周圍人員進行體溫監測，發現有發熱人員立即上報，并可攜帶大容量消毒液，可根據需要對通行區域進行360°無死角噴灑消毒。

2.3.2 無人配送

疫情期間中國多家外賣企業、電商、科技公司和自動駕駛企業的無人車紛紛上陣，承載著外賣、快遞、生鮮等生活物資以及抗疫物資奔赴城市各處和多家醫院，部分無人配送車和服務機器人甚至進駐醫院內部，協助醫護人員進行送餐、送藥和回收醫療垃圾等工作，不但有效緩解了人工壓力，同時也大大降低了人傳人的概率。

2.3.3 疫情機器人

新冠疫情爆發后，各地政府的政務熱線均收到了市民的大量咨詢電話，紛紛就疫情、防護措施、就醫地點等問題進行詳細詢問，后臺工作人員不堪重負。隨著疫情防控力度的加大，各地在開展地毯式走訪摸排、對重點關注人員進行體溫和癥狀等信息的跟蹤外呼工作時，紛紛陷入人手不足的困境，工作人員挨家挨戶上門走訪不僅效率低，更會增加接觸性傳染的風險。

阿里巴巴達摩院基于語音識別、語義理解、語音合成等人工智能技術緊急研發了智能疫情機器人。該機器人具有在線問診和電話外呼兩大功能，在線問診功能可通過網絡平臺為市民提供疫情咨詢和問診服務，疫情機器人能夠準確理解人類自然語言，并從智能知識庫獲取新冠肺炎疫情相關信息，回答防護措施、疫情問題、就醫注意事項等問題；電話外呼指通過撥打電話進行疫情隨調、防控摸排。智能疫情機器人率先落地浙江、黑龍江和山東濟南三地，隨后很快被北京、上海、重慶、江蘇、湖北等多地引進。疫情機器人的使用有效緩解了人力不足的矛盾，大幅度提高了工作效率，同時大大降低了交叉感染的風險。

2.4 AI 輔助CT 影像分析和診斷

隨著確診病例影像資料的積累，新冠肺炎的影像學特征逐漸清晰，CT 影像臨床診斷結果可作為新冠肺炎病例判斷的標準，但是一位經驗豐富的醫生需要5～15 min 才能分析完一個新冠疑似病例的CT 影像，一線醫生因接診數量龐大且急速增加的疑似病例而承受著巨大壓力，長時間的疲勞工作也會大大降低醫生的診斷效率和準確率，同時，疫情波及范圍極其廣泛，基層醫院的醫生缺乏經驗，在新冠肺炎的診斷方面力不從心。面對爆發式的就診需求，中國幾十家醫療AI 企業推出了各自的“CT+AI”新冠肺炎輔助診斷系統。上海市公共衛生臨床中心和依圖醫療合作，僅用4 d 時間即完成胸部CT 新冠肺炎智能評價系統的研發，并在正式發布后快速部署到包括武漢在內的二十多個省市的戰疫一線。該系統通過先進的圖像算法實現對新冠肺炎CT 影像的智能化診斷與定量分析，新冠肺炎病變檢出率敏感性達97.3%，特異性達99%，能在2～3 s 內完成對肺炎嚴重程度的量化評價[4]。阿里巴巴達摩院和阿里云聯合推出“新冠病毒肺炎AI 輔診助手”，可在 20 s 內完成對疑似病例的影像分析，根據紋理特征判定是否是新冠肺炎的CT 影像，并計算出病灶部位占比，分析結果準確率達到96%[5]。這些智能產品通過大量新冠肺炎病例的CT 影像數據對AI 模型完成訓練后，就能夠對疑似病例的CT 影像進行快速診斷，大幅減輕了臨床醫生及影像醫生的工作負荷，減少疲勞診斷，提升了診斷的效率和準確率。

2.5 多家科技公司開放自己的AI 算力和算法，為抗疫研發提供有力的技術支持

疫情初期多個AI 科技公司紛紛開放自己的算力和算法用于疫情防控。先是阿里云宣布在疫情期間面向全球公共科研機構免費開放全部AI 算力，加速新冠肺炎藥物和疫苗研發等工作。百度也宣布向各基因檢測機構、防疫中心及全世界科學研究中心免費開放線性二級結構預測算法LinearFold以及目前世界上最快的RNA 結構預測網站，百度LinearFold算法將新冠病毒全基因組的RNA 二級結構預測時間從55 min 縮短為 27 s，提速 120 倍[6]。基于 LinearFold 算法，百度研究院又推出全球首個專門用于優化mRNA 序列設計的高效算法LinearDesign，LinearDesign 算法能在16 min 內大大提升mRNA 疫苗設計的穩定性和蛋白質表達水平，從而有效解決了mRNA 疫苗研發中最重要的穩定性問題，加速疫苗研發速度[7]。

3 小結

新冠肺炎疫情爆發以來，人工智能技術為抗擊疫情做出了巨大貢獻，在流動人員管控、疫情監測分析、疫情預測、后勤保障服務、輔助診療、加速藥品和疫苗研發等方面均發揮了重要作用，除此之外，在線上教育、助力復工復產等方面也有不俗的表現。各科技企業和科研機構要抓緊機遇，大力推動中國AI 技術的發展，使中國的智慧醫療、智慧城市、智能家居、無人駕駛等智能應用更上一層樓。