最近一段時間，神秘的新型冠狀病毒正以驚人的速度瘋狂傳播。上周四，世界衛生組織(WHO)針對新型冠狀病毒發布全球公共衛生緊急事件。從整體規模來看，此次疫情在感染人數方面，已經快速超越了2002至2003年同樣發生在中國的SARS(嚴重急性呼吸道綜合癥)。

各個國家正在努力消解病毒帶來的影響。劃定隔離區、對主要城市進行封鎖、限制民眾出行，同時加快疫苗的研究速度等等——這一切，都是為了盡快恢復社會的正常秩序。

那么，AI(人工智能)等新興技術能否在這一輪生死攸關的對抗中發揮作用?答案是肯定的，AI正在為此貢獻自己的力量。

[[313946]]

讓我們從BlueDot聊起，這是一家得到風險投資支持的初創企業。該公司開發出一套先進的AI平臺，能夠處理數十億條數據，將全球航空往來記錄與個人身份等信息整理起來，共同作為流行病爆發分析的基礎素材。

面對此次新型冠狀病毒，BlueDot早在去年12月31日就發布了第一項警報——這一時間點，甚至早于美國疾病控制與預防中心1月6日的初步反應。

BlueDot公司是Kamran Khan的杰作，他是一名傳染科醫生，同時也是多倫多大學醫學與公共衛生學教授。更重要的是，他曾經在SARS爆發期間以醫療人員的身份奮戰在抗擊第一線。

Khan解釋道，“目前，我們正在使用自然語言處理(NLP)以及機器學習(ML)技術處理大量非結構化文本數據，這些文本涉及65種不同語言，希望借此跟蹤超過100種疾病的爆發趨勢。如果通過傳統的手動方式進行處理，那么這項工作恐怕需要一支包含百人的龐大團隊。但新興技術的加入，使得健康專家們不再被數據分析所束縛，而是能夠將自己的時間、精力以及聰明才智投入到應對傳染病風險之上。信息的收集與組織這類費心費神的任務，終于可以由機器承擔了。”

當然，BlueDot絕對不是唯一一家嘗試利用AI技術遏制新型冠狀病毒傳播的組織。目前，醫療保健行業內開始普遍關注AI有望帶來的巨大可能性：

DataRobot公司醫療保健總經理Colleen Greene：

“AI技術能夠根據不同地區的實際情況預測潛在的新增病例數量，同時發現哪類人群遭到傳感的可能性最高。利用這項技術，我們可以向旅行者發出提醒，確保易受感染的人群在出行途中戴好醫用口罩。”

紐黑文大學計算機科學副教授Vahid Behzadan：

“AI技術能夠幫助我們優化策略。例如，Marzieh Soltanolkottabi博士就在研究如何利用機器學習評估并優化各社區、城市以及國家之間的社會隔離策略，從而有效控制流行病的傳播路徑。此外，我的研究小組在與Soltanolkottabi博士開展合作，探索AI技術應用的最新方向，特別是如何利用強化學習提高疫苗接種策略的實際效果。”

IPsoft公司全球醫療保健與生命科學業務負責人Vincent Grasso博士：

“舉例來說，在疾病全面爆發時，當務之急當然是從患者以及其他相關人員處獲得第一手臨床信息，例如治療前后的生理狀態、關于暴露部位與疾病傳播的關系以及其他準確的指導性資料。但考慮到疾病爆發的背景，人員的現場部署不僅成本高昂、而且相當困難，這一點在多地爆發疫情或者缺乏充足醫療資源的地區顯得尤為嚴重。會話式計算在這方面能夠為我們帶來良好的信息延伸能力，有望補充現有疫情觀察體系中的種種不足。會話式計算具有雙向特性——既能夠與患者交互收集信息，也允許患者主動聯系以上報最新動態。此類方案將根據計劃(計劃本身可根據情況變化進行修改或者標準化調整)交付指導意見。另外，多語種以及多模式方法的引入，將進一步擴展會話式計算的實際效果。除了這種「前端」優勢以外，新興技術還幫助我們得以從多種來源(包括語音、文本、醫療設備、GPS等等)處收集數據，并以此為基礎快速探索如何更有效地應對未來可能出現的流行病大爆發問題。”

SAS全球政府實踐總監、美國國土安全部前國家生物安全監督總監Steve Bennett：

“AI技術能夠通過多種方式幫助我們應對此次新型冠狀病毒。AI可以預測出世界范圍內的疫情爆發熱點，換句話說，幫助我們快速找到(人畜共患)病毒從動物到人類的高概率傳播點。這種能力對于那些缺少完善食品市場健康法規的國家特別重要。一旦確定了已知的爆發狀況，衛生官員即可在AI工具的支持下，根據環境條件、民眾獲取醫療資源的方式以及疫情傳播動態快速預測病毒的擴散途徑。AI還有助于識別并發現病毒在特定區域內的爆發模式，或者快速跟進微觀層面下與正常規律有所出入的衛生事件動態。從這些事件中提取出的洞察見解，要幫助醫療人員有效了解新型病毒的天然特性。”

“現在，作為治療新型冠狀病毒的核心手段之一，制造抗病毒藥物并開發出有效疫苗已經成為全球醫療工作者的共識。但整個研發過程繁瑣且需要大量試驗。以往，醫學界雖然成功培育出多種適用于類似病毒的疫苗，卻無法將其直接用于殺滅新型冠狀病毒。好消息是，AI技術能夠幫助醫療工作者們觀察類似病毒之間的共通模式，并檢測潛在新疫苗的基本屬性。也許經過一定調整，原有疫苗就能快速走上對抗新病毒的戰場——這顯然要比從零開發疫苗高效得多。”

InterSystems公司HealthShare項目副總裁Don Woodlock：

“通過機器學習方法，我們能夠讀取病歷中的數百億個數據點與臨床文檔，并在感染或者未感染該病毒的人群之間建立起關聯性。罹患新型肺炎的患者之間存在一定共通「特征」，這些特征會被納入建模流程，從而幫助我們快速確定其他感染風險較高的潛在人群。”

“同樣的，機器學習方法也能夠在醫療記錄內的治療方法與最終治療結果之間自動建立起關聯模型或者關系模式。這些模型能夠快速確定哪些治療選項效果更好，有助于改善臨床指導指南的制定流程。”

The Smart Cube公司數據科學與AI副總裁Prasad Kothari：

“新型冠狀病毒可能引發多種嚴重癥狀，包括肺炎、嚴重的急性呼吸系統綜合癥甚至是腎臟衰竭等等。憑借在個性化醫療領域的出色表現，AI算法(例如基于基因組的神經網絡)能夠高效管理這些由新型冠狀病毒引發的不良反應或者具體癥狀。需要強調的是，病情輕重往往取決于患者的個人免疫力以及基因組結構，因此很難憑借單一治療方法全面控制所有癥狀。也正因為如此，AI的個性化能力成為我們抗擊疫情的一大有力武器。”