[[321591]]

 “如果未來幾十年內某個東西會殺死超過1000萬人的話，那么很大的可能它是一種具高度傳染性的病毒，而不是戰爭。它會是微生物而不是導彈。 造成這種情況的一部分原因是因為我們在核威懾上投入了大量資金，而實際在遏制流行病系統的投入資金很少。” ——比爾·蓋茨2015年3月的TED演講片段

人類在整個歷史里都一直在與傳染病作斗爭。盡管到目前為止已經開發了許多有效的藥物，但新的病毒卻不停地在挑戰我們。COVID-19大流行使得我們有了一種緊迫感，我們要改善目前傳染病的預防和治療方法。幸運的是，時下的人工智能(AI)和數據科學方法可以幫助我們以更有效的方式抵抗傳染病。

20世紀里有三大突破：消毒、免疫和抗生素，三大突破改善了人類健康，人類的平均預期壽命至少延長了20年。 在過去的100年里，人類對病毒發起的挑戰比過去幾千年的挑戰還多。盡管我們已經取得了很多進步，但新的傳染病仍在不斷出現，其中的一些病導致了大爆發甚至流行病。

生物科技呈指數增長

2015年，一個名為“生物技術科學迅猛增長的機會和風險”的生物科技會議在劍橋大學舉行。一些生物科技領域的專家在會上就生物科技對于建設或摧毀我們世界的威力進行了探討，他們還討論了如何利用創業機會而同時避免災難性風險等問題。化學工程與生物科技學院的Cris Law教授、傳染病信息學教授Derek Smith以及Deep Knowledge Ventures 創始人Dmitry Kaminskiy三位是會議的演講者。他們得出了兩個主要結論。他們的結論是，基礎AI和數據科學應該用于優化預防醫學的管理，而強勢AI則應該用于新疫苗的開發。他們還提出警告，一定要特別注意防止病毒可能從實驗室傳播出來的失誤以及要防止先進的生物危害技術落入恐怖分子之手。

生存風險研究中心(劍橋大學)

傳染病大流行時，感染病毒的人數增加，因而增長速度也隨之增加。科技和傳染病大流行都呈指數發展，而病毒和微生物的流行源頭卻是以雙倍指數發展。這些包括了自然病毒，但也可能包括用于武器化病毒。武器化病毒的一個例子是將流感+HIV病毒內置于蚊子，用于生物戰。人工智能可以幫助消除這一不平衡關系，使生物制藥商可以趕上大流行的發展速度。目前的技術已經可以減少大流行的威脅，即便不利用新一代AI系統都能取得好的進步。

“加拿大軍方正在為未來12個月內可能多次出現的COVID19高峰做準備。”——加拿大武裝部隊喬納森·萬斯將軍

個性化靶向免疫

目前可用的技術可以采用幾種方法。一種方法是將數據科學技術應用于規模性的個性化疫苗接種。另一個方法是利用AI優化免疫的管理。將AI、大數據和小數據技術結合在一起，疫苗的分發就能夠規模性地以更精致準確的方式進行。實現上可以是通過AI分析一些諸如遺傳學之類的個人數據，預測每個個體對特定疫苗的風險和潛在敏感性。然后再利用AI設計出針對每個個體的經優化過的個性化疫苗。到這里就可以利用基于AI的個人概況優化免疫管理。所需的技術已經存在。AI可以用于分析個人數據，例如種族、年齡、性別、血型、體重、BMI、虛弱程度以及一些可能令個體面臨某些病毒風險增加的歷史狀況。在獲取了個體概況后，一些人由于自身存在某個脆弱性就可以收到針對特定病毒的疫苗建議。

各國/地區治療效率排名。 

COVID癥狀追蹤程序

COVID癥狀追蹤程序(https://covid.joinzoe.com)是由倫敦國王學院、蓋斯和圣托馬斯醫院的醫生和科學家與 健康科學公司ZOE Global Ltd共同開發的。 該應用程序可用于研究COVID-19的癥狀及跟蹤COVID-19病毒的傳播。這項研究的負責人是倫敦國王學院基因流行病學教授、TwinsUK主管Tim Spector教授。TwinsUK是英國一項基于15,000對雙胞胎的科學研究，這項研究已經做了近30年了。該程序除了用于研究普通人群的癥狀外也在TwinsUK研究里用于了解5000名雙胞胎的癥狀的發展。

這項研究的目的是幫助科學家更好地了解COVID-19。科學家利用這些數據可以了解COVID-19病毒在特定區域傳播程度的快慢、確認高風險區域及通過更好地了解與健康狀況相關的癥狀來確定誰的風險高一些。該應用程序使得研究人員有機會觀察病癥在不同風險群組里時間上的變化情況，還可以找到那些癥狀較輕患者的模式。如果今年晚些時候或明年第二次爆發COVID-19病毒，那么這些信息就會具有非常重要的意義。該應用程序前一陣在英國推出，已經有130萬人在記錄他們的癥狀，占英國人口的2%。該應用程序的開發人員正在計劃為美國開發一個版本，美國版本很快就會發布。

現在正是發展先進的下一代研發技術和方法的大好時機。在這個關鍵時刻，我們應該積極使用深度技術及前沿科技應對我們面臨的主要風險和挑戰。我們可以先通過利用目前存在的AI技術改進疫苗和治療方法，保護人類不受傳染病的侵害。