AI技術(shù)提效疫情防控，有效降低交叉感染的風險

近日，新冠疫情反撲北京，不斷上升的確診病例數(shù)字讓北京居民的心又一次提了起來。這一次北京迅速反應(yīng)，對新發(fā)地市場、周邊居民、到過市場的人群等有可能感染的人群全部進行了排查與核酸檢測，就連曾經(jīng)開車路過的也沒有放過。

目前北京市核酸檢測日均采樣已經(jīng)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(yī)療人員、各監(jiān)管部門都是一場考驗。

在大量消耗人力的背后，信息技術(shù)充分發(fā)揮了輔助作用。其中，AI深度參與到了疫情預(yù)測、診斷診治、新藥研發(fā)等疫情防控全流程中。

抗疫用到了哪些AI算法？

IEEE終生會士、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(fā)表演講時，把機器學習工具預(yù)測新冠病毒隔離的影響進行檢測分為了7個步驟：識別風險人群、確診病例、快速研發(fā)藥物、預(yù)測疾病擴散的趨勢、深入了解病毒、分析病毒來源以及預(yù)測下一次流行期。

塔里克·杜拉尼認為，在診治診療階段，AI作用可主要分為兩個層面，一是早期檢測與診斷感染。AI可以快速分析不相關(guān)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(jiān)測和分析、通過神經(jīng)網(wǎng)絡(luò)方法提取病毒特征幫助患者的監(jiān)測和治療。

塔里克·杜拉尼指出，通過半監(jiān)督學習和貝葉斯深度學習組合在一起構(gòu)建的新方法，可以對分子預(yù)測方法下不確定的部分進行量化；通過半監(jiān)督學習實現(xiàn)少量數(shù)據(jù)限制下的信息性分子呈現(xiàn)；貝葉斯深度學習方法可以實現(xiàn)在統(tǒng)計命令方式下任意和認知的不確定信號評估。

增強學習方法可以應(yīng)用在三個方面：探測疾病；整合大量信息輔助醫(yī)生處理復雜的診療判斷；基于大數(shù)據(jù)方法進行流行病學趨勢判斷、社交媒體監(jiān)控、新媒體傳播報道中的發(fā)揮重要應(yīng)用。

AI提效疫情防控

日前央視新聞發(fā)文指出，北京部分監(jiān)測點出現(xiàn)聚集現(xiàn)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(nèi)研究團隊開發(fā)了相關(guān)AI+大數(shù)據(jù)平臺，有助于疫情流行期，緩解大眾恐慌，引導合理就醫(yī)，減少醫(yī)院，尤其是發(fā)熱門診的醫(yī)療負荷，同時顯著降低院內(nèi)交叉感染的風險。

清華大學長庚醫(yī)院自研了COVID-19自測評估系統(tǒng)和COVID-19智能輔助分診系統(tǒng)。COVID-19自測評估系統(tǒng)是依據(jù)國家衛(wèi)健委《新冠肺炎診療方案》設(shè)定問答式的疾病自測評估軟件，通過智能分析給用戶做出新冠感染風險層級評估，并給出保健和就醫(yī)的指導意見。

COVID-19智能輔助分診系統(tǒng)基于語AI算法，結(jié)合流行病學史，癥狀、體溫、心率等數(shù)據(jù)，將就醫(yī)者新冠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(yī)院門急診的預(yù)見分診和醫(yī)生看診的效率，有助降低發(fā)熱門診的負荷，減輕院內(nèi)人群聚集和交叉感染的風險，已在國內(nèi)多家醫(yī)院部署應(yīng)用。

清華大學計算機系A(chǔ)Miner團隊和智譜.AI團隊構(gòu)建了一個大規(guī)模、結(jié)構(gòu)化、中英文雙語的新冠知識圖譜，該平臺可以預(yù)測不同階段新冠病毒再生指數(shù)，通過機器學習的算法建立模型，預(yù)測不同時間段未來一段時間之內(nèi)感染人數(shù)的變化。清華大學創(chuàng)新領(lǐng)軍工程博士，智譜.AI CTO張鵬在2020北京智源大會上發(fā)表報告時坦言，這種預(yù)測會面臨一些問題，比如統(tǒng)計口徑的變化，以及積累病例數(shù)據(jù)的釋放等等，會導致數(shù)據(jù)波動。不同人從感染到發(fā)病，到確診的周期，也會影響到整個趨勢預(yù)測的準確率。

“所以在這些問題當中，我們都采用了大數(shù)據(jù)的方法?！睆堸i指出，平臺可以對數(shù)據(jù)異常波動和周期預(yù)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(yù)測模型，并且對于湖北與非湖北地區(qū)，中國與國際地區(qū)的分析模型，可以進行分別的構(gòu)建和預(yù)測。

疫情防控是對AI的一次重要試煉

在談到研發(fā)新系統(tǒng)的技術(shù)難點時，中國工程院院士、清華大學臨床醫(yī)學院院長、清華長庚醫(yī)院院長董家鴻感言，最難的不是研發(fā)本身，而是提高管理者和公眾對于新技術(shù)的認可度。在應(yīng)急防控體系中，如何應(yīng)用新技術(shù)、是否存在潛在風險很多管理者關(guān)心的重點問題。未來在新科技產(chǎn)品應(yīng)用方面，除了注重研發(fā)，也要考慮如何高效地讓使用者盡快認知?！斑@很重要，我認為是我們當時遇到的最重要的一個難題?！?/p>

面對新冠疫情，AI成為了醫(yī)療領(lǐng)域抗疫過程中的有力幫手。在眾多新興技術(shù)中，AI仍然處于成長時期，從學術(shù)層面來講，它在不斷突破，持續(xù)深挖；從應(yīng)用角度講，它已經(jīng)在各個領(lǐng)域默默奉獻，但是也遇到了對于有效性、精準度、安全性等各種問題的拷問。

無論是人還是技術(shù)，處于成長階段難免會出現(xiàn)各種問題，總要面臨來自各界的質(zhì)疑甚至否認。AI是一項賦能的技術(shù)，不斷訓練、用數(shù)據(jù)澆灌才能激發(fā)出它最大的力量。這場疫情攻堅戰(zhàn)，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。
責任編輯：tzh