全球各國(guó)是如何利用AI技術(shù)防止傳染類(lèi)疾病傳播的

一次新冠，讓我們見(jiàn)識(shí)了AI參與防疫的各種花式操作。當(dāng)然，主要局限在中國(guó)內(nèi)地。

一旦將目光投擲到疫情同樣在擴(kuò)散的意大利、美國(guó)、日本等歐美發(fā)達(dá)國(guó)家，會(huì)發(fā)現(xiàn)這些印象中的大型都市、科技強(qiáng)國(guó)，似乎都沒(méi)準(zhǔn)備拿起AI這把強(qiáng)有力的防控武器。

主要原因一是出于當(dāng)?shù)卣姆揽卣撸瑢⑿鹿诘耐{與流感畫(huà)上等號(hào)，不提倡過(guò)度反應(yīng)。除了建議大家勤洗手，一些明顯可以協(xié)助公共健康核查的措施，都不見(jiàn)蹤影。

比如意大利宣布全面封鎖之后，恐慌的民眾們將米蘭火車(chē)站堵得水泄不通，上萬(wàn)人試圖從即將被封鎖的地區(qū)逃離，其中或許就有潛在病例。

原本依靠紅外智能測(cè)溫，就能對(duì)大規(guī)模移動(dòng)人群進(jìn)行基本的體溫測(cè)定，高效降低傳染風(fēng)險(xiǎn)，但在全球"時(shí)尚之都"，類(lèi)似的措施依然缺席。

不過(guò)，對(duì)待科技防疫的態(tài)度，不能簡(jiǎn)單地用疫情嚴(yán)重程度來(lái)看待。其背后隱藏的產(chǎn)業(yè)密碼和技術(shù)文化，恐怕才是更重要的。

拒絕AI的發(fā)達(dá)地區(qū)：

歐美新冠抗疫啟示錄

截止到目前，如果要對(duì)其他國(guó)家針對(duì)新冠防控采取的行動(dòng)下一個(gè)評(píng)語(yǔ)的話(huà)，大概“佛系”是大家的一致觀(guān)感。

新加坡在疫情暴發(fā)初期，除了提醒國(guó)民警惕，發(fā)布疫情橙色預(yù)警后，就沒(méi)有出臺(tái)什么專(zhuān)門(mén)的抗疫措施了。

而在疫情相對(duì)嚴(yán)重的北美和歐洲，英國(guó)針對(duì)新冠的新防疫政策，則是可能禁止舉行人員密集的大型活動(dòng)，并召集警力用于對(duì)付嚴(yán)重犯罪和保障社會(huì)秩序。

而確診人數(shù)排在全球第二、死亡率高居首位的意大利，也才剛剛發(fā)出了封城禁令，至于運(yùn)用科技武器來(lái)遏制傳播，追蹤接觸者，目前還沒(méi)有見(jiàn)到什么有效的措施。

當(dāng)然，要承認(rèn)我們也確實(shí)見(jiàn)到了一些科技元素。

比如美國(guó)防控的特點(diǎn)就是常規(guī)監(jiān)測(cè)和AI助力疫苗研發(fā)。據(jù)路透社25日的報(bào)道，美國(guó)政府已向國(guó)會(huì)申請(qǐng)25億美元(約175億人民幣)資金，其中就包括了近10億美元(約70億人民幣)的疫苗研發(fā)資金。

此外，因?yàn)榉酪弑热缗宕骺谡謱?dǎo)致手機(jī)的 Face ID 無(wú)法識(shí)別等生活煩惱，也創(chuàng)造出了新的商機(jī)。國(guó)外的一個(gè)創(chuàng)業(yè)者，就發(fā)明了一款帶有面部信息的口罩。提取用戶(hù)被口罩遮擋部分的面部信息，然后印制到口罩外側(cè)，戴上后即拼湊成完整的臉部，目前售價(jià)高達(dá)40美元一個(gè)。就問(wèn)你想不想擁有？

一方面，我們看到疫情爆發(fā)嚴(yán)重的大多是經(jīng)濟(jì)貿(mào)易文化交流往來(lái)的國(guó)際化大都市，往往擁有不低、甚至世界一流的醫(yī)療技術(shù)和AI能力。而這些地方的管控，也直接影響著本國(guó)會(huì)不會(huì)發(fā)生更大的傳播和爆發(fā)，但對(duì)于運(yùn)用智能技術(shù)來(lái)提升社會(huì)公共防疫能力，效率卻遠(yuǎn)沒(méi)有中國(guó)快。

這些國(guó)家的AI到底都在干嘛？先來(lái)聊一聊他國(guó)AI在防止傳染類(lèi)疾病傳播，到底發(fā)揮了哪些作用。

AI從未消失，

它只是以另一種形式出現(xiàn)

在A(yíng)I全面下沉到產(chǎn)業(yè)的今天，缺席醫(yī)療自然是不可能的。

只不過(guò)和新冠疫情比起來(lái)，流感給美國(guó)、歐洲等國(guó)家?guī)?lái)的威脅，可能更真實(shí)一點(diǎn)。

根據(jù)美國(guó)疾病預(yù)防中心(CDC)統(tǒng)計(jì)，去年冬天，全美國(guó)已經(jīng)有8200人死于季節(jié)性流感，1500萬(wàn)人感染，超過(guò)18萬(wàn)正在住院，各地的醫(yī)療機(jī)構(gòu)都在加班加點(diǎn)地工作。

因此，在預(yù)防其他傳染疾病上，或許才能更真實(shí)地見(jiàn)到AI的面貌。

簡(jiǎn)單總結(jié)一下，主要體現(xiàn)在四個(gè)方面：

1.輿情監(jiān)測(cè)預(yù)警。

其實(shí)早在新冠疫情大爆發(fā)之前，12月30日，波士頓兒童醫(yī)院(Boston Children's Hospital)的自動(dòng)健康地圖系統(tǒng)，就發(fā)布了中國(guó)境外首次有關(guān)這種新型冠狀病毒的公共警報(bào)。

這套系統(tǒng)就得益于人工智能技術(shù)自然語(yǔ)言處理的支持。

通過(guò)掃描在線(xiàn)新聞、社交媒體報(bào)道和政府報(bào)告，尋找傳染病爆發(fā)跡象的早期預(yù)警系統(tǒng)，并將預(yù)警的嚴(yán)重程度分為5級(jí)(新冠被定為3級(jí))，從而可以幫助WHO等在語(yǔ)言障礙可能出現(xiàn)的情況下率先洞察疫情。

智能抓取，是不是很容易聯(lián)想到搜索引擎爬蟲(chóng)？

沒(méi)錯(cuò)，這正是谷歌自上世紀(jì)90年代以來(lái)的核心技術(shù)。而早在2008年，谷歌就推出了流感趨勢(shì)服務(wù)(Google Flu Trends)，通過(guò)搜索流感癥狀的模式來(lái)發(fā)現(xiàn)流感爆發(fā)。

通過(guò)過(guò)去5年中已經(jīng)完成的數(shù)10億次搜索。，將與流感相關(guān)的查詢(xún)(比如"咳嗽"或"發(fā)冷")，與美國(guó)疾病控制與預(yù)防中心的歷史流感數(shù)據(jù)進(jìn)行匹配，然后利用這些查詢(xún)來(lái)預(yù)測(cè)未來(lái)可能的情況。

比如2008年1月28日，關(guān)于流感的查詢(xún)數(shù)量趨勢(shì)上飆升。兩周后，美國(guó)疾病控制與預(yù)防中心報(bào)告稱(chēng)流感感染病例出現(xiàn)上升，并讓醫(yī)療行業(yè)在流感季到來(lái)時(shí)做好準(zhǔn)備。

2.藥物或疫苗研發(fā)。

我們都知道，中國(guó)科學(xué)家正在加班加點(diǎn)地研發(fā)疫苗，其中，科技企業(yè)開(kāi)放的超大算力就起到了至關(guān)重要的效果。

而海外利用AI研發(fā)藥物或疫苗的嘗試也早已有之。

美國(guó)國(guó)家過(guò)敏和傳染病研究所(US National Institute of Allergy and Infectious Diseases)就資助了一項(xiàng)研究，由南澳的弗林德斯大學(xué)(Flinders University)借助一個(gè)名為“配體搜索算法(Search Algorithm for Ligands，SAM)”的人工智能程序來(lái)設(shè)計(jì)藥物。

研究者將數(shù)萬(wàn)億種不同的化學(xué)化合物輸入SAM，它會(huì)篩選出自己認(rèn)為可能是理想的人類(lèi)免疫候選藥物。據(jù)說(shuō)，由SAM獨(dú)立設(shè)計(jì)的疫苗可以抵御流感病毒，并且已經(jīng)開(kāi)始在美國(guó)進(jìn)行臨床實(shí)驗(yàn)。

3.追蹤病原體軌跡。

在預(yù)防或遏制傳染疾病爆發(fā)的過(guò)程中，一項(xiàng)非常重要的任務(wù)，就是準(zhǔn)確找出攜帶病毒的病人，或者動(dòng)物。

許多新興的傳染病都是由動(dòng)物傳染給人類(lèi)的，因此，利用機(jī)器學(xué)習(xí)來(lái)檢測(cè)野生動(dòng)物習(xí)性并判斷它們的免疫風(fēng)險(xiǎn)，就成了研究者關(guān)注的對(duì)象。

比如美國(guó)卡里生態(tài)系統(tǒng)研究所就針對(duì)2000多種嚙齒類(lèi)動(dòng)物建立了一套龐大的數(shù)據(jù)庫(kù)，并訓(xùn)練AI認(rèn)知它們的生活歷史、生態(tài)環(huán)境、行為、生理特征和地理分布情況。并成功通過(guò)該模型，發(fā)現(xiàn)了超過(guò)150種新的潛在嚙齒類(lèi)動(dòng)物和超過(guò)50種新的活躍型動(dòng)物，可能攜帶多種病原體并傳染給人類(lèi)。

由此，可以繪制出影響各種疾病的嚙齒類(lèi)動(dòng)物分布，以及容易被新生寄生蟲(chóng)和病原體傳染的熱點(diǎn)地區(qū)，以便實(shí)現(xiàn)疾病的早期預(yù)警監(jiān)測(cè)。

當(dāng)然，追蹤人的去向?qū)τ谝咔榉乐我埠苤匾?。但不像中?guó)應(yīng)對(duì)新冠疫情這樣，是通過(guò)大數(shù)據(jù)+AI對(duì)重點(diǎn)人群進(jìn)行行蹤溯源預(yù)警，其他國(guó)家的AI主要還是表現(xiàn)在算法預(yù)防。

英聯(lián)邦科學(xué)與工業(yè)研究組織(CSIRO)就使用貝葉斯推理開(kāi)發(fā)了Data61模型，用以追蹤將昆士蘭州登革熱病毒是如何傳播到澳大利亞，并如何在人與人之間轉(zhuǎn)移的。

借助昆士蘭州衛(wèi)生局提供的15年內(nèi)匿名記錄的登革熱病例來(lái)進(jìn)行訓(xùn)練，Data61可以綜合判斷多種人員流動(dòng)信息，比如航空公司乘客數(shù)據(jù)、地理標(biāo)記、社交媒體、旅游情況等等，從而預(yù)測(cè)可能發(fā)生疫情的時(shí)間和地點(diǎn)，讓醫(yī)療機(jī)構(gòu)早做準(zhǔn)備。

據(jù)說(shuō)，該模型還可以用于預(yù)測(cè)萊姆病、埃博拉和瘧疾等人畜共生的疾病。

4.智慧診療。

在中國(guó)新冠防治中，AI在診療領(lǐng)域的應(yīng)用主要是影像篩查、遠(yuǎn)程問(wèn)診等。

歐美等國(guó)家也正在將AI的計(jì)算能力應(yīng)用到類(lèi)似環(huán)節(jié)。

比如早在2013年，IBM就開(kāi)始與全美綜合醫(yī)院排名前四的克利夫蘭診所進(jìn)行合作，研究如何利用“沃森(Watson)”人工智能系統(tǒng)提高護(hù)理水平。

去年十月，谷歌也公布了一款名為L(zhǎng)YNA的監(jiān)測(cè)工具，能夠以99%的準(zhǔn)確率區(qū)分出有轉(zhuǎn)移性癌癥的載玻片和無(wú)轉(zhuǎn)移性癌癥的載玻片，將乳腺癌診斷的時(shí)間縮短了一半。

倫敦的醫(yī)療 AI 公司則與 Royal College of Physicians、Stanford Primary Care 和 Yale New Haven Health 等合作，打造出能夠輔助實(shí)習(xí)醫(yī)生獨(dú)立行醫(yī)的系統(tǒng)Babylon。經(jīng)過(guò)測(cè)試，在初級(jí)護(hù)理醫(yī)學(xué)常見(jiàn)的病癥方面，Babylon AI 的準(zhǔn)確率得分為80%，而七名醫(yī)生則為64-94%。而AI的安全性則達(dá)到了97%，高于醫(yī)生的平均值93.1%。

將AI用于醫(yī)療產(chǎn)業(yè)，也是日本政府的重點(diǎn)工作之一。實(shí)際上，日本早在2017年和2018年分別在中國(guó)杭州和廣州建立了醫(yī)學(xué)影像診斷中心。在東京江戶(hù)川區(qū)的目目澤醫(yī)院，患者只需要在掌上電腦上面做選擇題，回答"哪里痛""痛的時(shí)間"等問(wèn)題，AI系統(tǒng)就能根據(jù)患者的選擇自動(dòng)生成電子病歷。這種問(wèn)診方式也被日本70多個(gè)醫(yī)療單位使用。

智能服務(wù)機(jī)器人，也很早就進(jìn)入了許多大型醫(yī)院。1985年，美國(guó)TRC公司研制出世界首個(gè)服務(wù)機(jī)器人"護(hù)士助手"，不僅能運(yùn)送醫(yī)療器材、藥品等，還能為患者提供送飯和送病歷、報(bào)表及信件等服務(wù)，目前已在全球幾十家醫(yī)院投入使用。

盡管人與疾病的斗爭(zhēng)永無(wú)休止之日，但人工智能確實(shí)能夠?yàn)樵缛战Y(jié)束戰(zhàn)役注入一劑強(qiáng)心針。它或許未能在此次此刻的新冠疫情中，被歐美澳洲等國(guó)推到臺(tái)前。但不可否認(rèn)，AI早已與人類(lèi)的健康緊密相連。

AI抗疫：中外的異與同

至此，我們可以發(fā)現(xiàn)海外AI與中國(guó)AI在防疫領(lǐng)域的一些有趣的異同點(diǎn)：

首先可以肯定的是，中國(guó)的AI抗疫手段與全球頂尖的AI醫(yī)療幾乎站在了同一水平線(xiàn)。具體就體現(xiàn)在，在數(shù)據(jù)層、技術(shù)算法、產(chǎn)業(yè)應(yīng)用方面全面覆蓋。比如利用大數(shù)據(jù)追蹤重點(diǎn)人群，借助深度學(xué)習(xí)輔助實(shí)現(xiàn)體溫檢測(cè)、醫(yī)療診斷，通過(guò)超大計(jì)算來(lái)進(jìn)行藥物研發(fā)等等。

當(dāng)然，一些基礎(chǔ)積累的不同，決定了雙方的優(yōu)勢(shì)各不相同。

比如說(shuō)，由于美國(guó)、日本等醫(yī)護(hù)資源匱乏，所以很早就開(kāi)啟了診療數(shù)字化的進(jìn)程，以幫助醫(yī)護(hù)人員提升工作效率，降低工作強(qiáng)度，也因此為AI輔助醫(yī)療積累了大量高質(zhì)量的數(shù)據(jù)。

比如美國(guó)的電子健康記錄系統(tǒng)(Electronic health records，EHRs)，十年內(nèi)積累了1000萬(wàn)名病人的記錄。其中就包括疾病診斷記錄、病人用藥效果、基因數(shù)據(jù)、家庭病史等重要信息。2011年之后，日本醫(yī)療數(shù)據(jù)也已經(jīng)全面采用電子化報(bào)送系統(tǒng)，個(gè)人可以通過(guò)網(wǎng)絡(luò)隨時(shí)查閱云端保存的各種醫(yī)療信息。

這樣患者在不同醫(yī)院就診時(shí)，數(shù)據(jù)被醫(yī)務(wù)人員共享使用，許多重復(fù)治療、檢查可以避免，自然能夠很好地提升就診效率，緩解醫(yī)療資源緊張問(wèn)題。

而中國(guó)醫(yī)院體系的數(shù)字化、智能化程度相對(duì)不高，并且呈現(xiàn)出分散性、地域性，這就導(dǎo)致當(dāng)研究者需要進(jìn)行算法訓(xùn)練、開(kāi)發(fā)，以及診療交流時(shí)，往往需要打破不同醫(yī)院和地區(qū)的壁壘，才能實(shí)現(xiàn)數(shù)據(jù)交換共享，由此也限制了AI在醫(yī)療領(lǐng)域的發(fā)展。

另外，科技企業(yè)界的重度參與，為美國(guó)等AI提供了強(qiáng)大的技術(shù)助益。

谷歌從2015年開(kāi)始，就將AI作為每個(gè)部門(mén)的戰(zhàn)略核心，尤其是在Deepmind的助推下，Google在癌癥、糖尿病、心血管疾病等疾病的預(yù)防和治療方面，創(chuàng)造了許多領(lǐng)先業(yè)界的突破。并且谷歌母公司Alphabet旗下還有多家生物科技和醫(yī)療公司，能夠協(xié)同發(fā)展。

此外，美國(guó)還有微軟、蘋(píng)果，以及多家醫(yī)療領(lǐng)域創(chuàng)業(yè)公司，也是其在一些醫(yī)療細(xì)分領(lǐng)域的AI進(jìn)展較快。

日本政府的AI醫(yī)療戰(zhàn)略，也與企業(yè)達(dá)成了非常緊密的合作關(guān)系。比如從2011年開(kāi)始，索尼、富士通、松下、歐姆龍、山佐、A&D、AQ、泰爾茂等公司，就推出了大批以NFC為主的居家醫(yī)療、照護(hù)產(chǎn)品，促進(jìn)了家庭移動(dòng)智能醫(yī)療護(hù)理系統(tǒng)的建構(gòu)。

2016年，日本Qol公司打造的健康支援藥房，也可以通過(guò)實(shí)時(shí)上傳到云端健康管理平臺(tái)的監(jiān)測(cè)數(shù)據(jù)，來(lái)為高血壓、糖尿病等常見(jiàn)慢性病患者提供診斷和藥品發(fā)放，來(lái)減少治療成本。

目前來(lái)看，中國(guó)醫(yī)療機(jī)構(gòu)與產(chǎn)業(yè)在數(shù)據(jù)互聯(lián)和信息共享上還沒(méi)有形成覆蓋全社會(huì)的網(wǎng)絡(luò)體系，社區(qū)級(jí)無(wú)法幫助中心醫(yī)院完成一些較為復(fù)雜的診療。各大科技企業(yè)的醫(yī)療大腦、AI體系目前還屬于推廣建設(shè)階段，滲透到更廣泛的公共醫(yī)療和病患個(gè)人終端，還需要一段時(shí)間的建設(shè)。

同時(shí)也應(yīng)該看到，移動(dòng)互聯(lián)網(wǎng)、智能硬件、科技巨頭算法超市等的出現(xiàn)，讓中國(guó)基層社會(huì)在抗疫事件中，表現(xiàn)出了高效。

比如智能測(cè)溫在各大地鐵、火車(chē)站等的應(yīng)用，甚至有無(wú)人機(jī)飛行測(cè)溫；AI機(jī)器人承擔(dān)著消毒、安防、送餐等各種各樣的無(wú)接觸任務(wù)，降低感染風(fēng)險(xiǎn)；移動(dòng)支付、小程序等快速解決了民眾互動(dòng)、流行病學(xué)調(diào)查、機(jī)構(gòu)協(xié)作等難題。

與之相比，美國(guó)、歐洲等公共AI應(yīng)用的不到位，或許也展現(xiàn)出了其長(zhǎng)于算法、短于基礎(chǔ)設(shè)施的弊端。

我們知道，受隱私法案的影響，歐洲許多國(guó)家禁止采集公眾信息，對(duì)人臉識(shí)別等前沿技術(shù)的使用也出臺(tái)了相關(guān)限制，并屢屢開(kāi)出巨額罰單。盡管這在一定程度上保護(hù)了公眾信息安全，而對(duì)社會(huì)智能化的防范與遲緩，也使其在面對(duì)大型公共衛(wèi)生事件時(shí)，展現(xiàn)出了應(yīng)對(duì)能力薄弱、救災(zāi)過(guò)程滯后、人員有限重復(fù)勞動(dòng)等問(wèn)題，在防疫效率上還有很大的提升空間。

就連美國(guó)《華爾街日?qǐng)?bào)》也指出，利用數(shù)字設(shè)備，能夠追蹤每名患者的具體行程，快速確定人員流動(dòng)軌跡，甚至可以精確到分鐘，為防控“做了前所未有的努力”。

防疫終結(jié)站，和AI的下一站

伴隨著武漢方艙醫(yī)院全部休艙，中國(guó)內(nèi)地的新冠戰(zhàn)役也即將迎來(lái)勝利。在本文發(fā)表時(shí)，中國(guó)的醫(yī)療隊(duì)伍也帶著國(guó)際人道主義精神馳援意大利。當(dāng)我們與世界共命運(yùn)的時(shí)刻，或許也可以從中外不同的AI路徑中，汲取下一站的力量。

須承認(rèn)，中國(guó)在A(yíng)I能力上并不輸給老牌科技強(qiáng)國(guó)。想要比它們做得更好，還有一些值得注意的經(jīng)驗(yàn)：

1.有選擇性地應(yīng)用AI，并對(duì)數(shù)據(jù)本身懷抱合理的期待。

值得一提的是，AI疾病預(yù)警并非如想象中那么有用，它就如同汽車(chē)報(bào)警器一樣，既容易觸發(fā)，也容易被忽略。一個(gè)主要的原因是，不同機(jī)構(gòu)、不同平臺(tái)的數(shù)據(jù)都可能會(huì)阻礙算法。

哈佛大學(xué)(Harvard University)流行病學(xué)家Andrew Beam表示，掃描在線(xiàn)報(bào)告中的關(guān)鍵詞有助于揭示趨勢(shì)，但準(zhǔn)確性取決于數(shù)據(jù)的質(zhì)量。

比如谷歌就高估了AI對(duì)流感的流行程度，偏差超出了實(shí)際值的50%。最后在2015年關(guān)閉了該網(wǎng)站，并將其技術(shù)交給了HealthMap等非營(yíng)利組織。

2.將AI巨頭與流行病科研的合作常規(guī)化。

現(xiàn)階段，產(chǎn)業(yè)界與醫(yī)學(xué)界的合作幾乎是不可避免的。一方面，產(chǎn)業(yè)界掌握著絕大多數(shù)寶貴的數(shù)據(jù)，以及高昂的算力資源。但同時(shí)，醫(yī)療領(lǐng)域又離不開(kāi)專(zhuān)家對(duì)細(xì)節(jié)和方向的把握。強(qiáng)強(qiáng)聯(lián)合就成了唯一的路徑。

加州大學(xué)圣地亞哥分校完成的對(duì)抗流感病毒的新療法中所涉及的分子模擬實(shí)驗(yàn)，就國(guó)家超級(jí)計(jì)算應(yīng)用中心(NCSA)的petascale Blue Waters系統(tǒng)，這也是當(dāng)時(shí)最大、功能最強(qiáng)大的超級(jí)計(jì)算機(jī)之一，藍(lán)水公司給予了很大支持。

在此次新冠抗疫中，中國(guó)諸多領(lǐng)先科技巨頭對(duì)病毒測(cè)序、疫苗研發(fā)等開(kāi)放了算法、數(shù)據(jù)集、計(jì)算中心等，也是AI與醫(yī)療的優(yōu)秀合體方式，將這樣的合作常規(guī)化，才能讓技術(shù)的力量持續(xù)為醫(yī)學(xué)助攻。

3.加速數(shù)字醫(yī)療基礎(chǔ)設(shè)施建設(shè)，提升醫(yī)療機(jī)構(gòu)診療效率。

一方面，中國(guó)醫(yī)療產(chǎn)業(yè)面臨著美國(guó)、瑞士、日本等類(lèi)似的問(wèn)題，醫(yī)護(hù)人員缺口正在變大，老齡化加劇，醫(yī)療服務(wù)的需求有增無(wú)減，提高機(jī)構(gòu)效率將成為未來(lái)產(chǎn)業(yè)升級(jí)的重點(diǎn)。

而想要讓AI承擔(dān)醫(yī)生的重復(fù)性工作，就需要精準(zhǔn)算法的積累和海量的數(shù)據(jù)支撐。但目前醫(yī)院之間的各自分野使得AI企業(yè)在進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練時(shí)，往往需要跟各個(gè)醫(yī)院?jiǎn)为?dú)溝通。除了數(shù)據(jù)獲取難之外，如果算法訓(xùn)練只局限于某一特定區(qū)域，由此生成的模型在更廣的范圍使用時(shí)，也可能不完全適用，造成浪費(fèi)。

如果能以省為單位建立龐大、具有公信力的數(shù)據(jù)中心，將會(huì)對(duì)AI醫(yī)療起到巨大的加速作用。

此外，鼓勵(lì)智能醫(yī)療領(lǐng)域的初創(chuàng)公司，也對(duì)一些細(xì)分領(lǐng)域，如醫(yī)療影像、醫(yī)院管理、藥物挖掘等，讓創(chuàng)業(yè)團(tuán)隊(duì)充分發(fā)揮自己的特長(zhǎng)和優(yōu)勢(shì)，提供更加垂直、精準(zhǔn)、到位的服務(wù)。

4.盡早建立數(shù)據(jù)采集、智慧診療的相關(guān)法律法規(guī)。

當(dāng)然，上述行為須建立在合法合規(guī)、保障個(gè)人健康隱私安全的基礎(chǔ)上。2018年，《信息安全技術(shù)個(gè)人信息安全規(guī)范》中提出了保護(hù)個(gè)人信息安全應(yīng)遵循的原則，但缺少針對(duì)醫(yī)療隱私保護(hù)的詳細(xì)法律法規(guī)。而涉及到病人數(shù)據(jù)這類(lèi)高保密級(jí)別數(shù)據(jù)，就對(duì)隱私保護(hù)、系統(tǒng)安全提出了更高的要求。

同時(shí)，AI診療、AI手術(shù)等新技術(shù)，一旦出現(xiàn)醫(yī)療事故由誰(shuí)承擔(dān)責(zé)任等倫理問(wèn)題，也伴隨著臨床智能化而日漸引起重視。

今天， AI的名字已經(jīng)被刻上了中國(guó)防疫的功勛簿。也許它還會(huì)出現(xiàn)在其他國(guó)家的防疫工具名單上，也許不會(huì)。但我們知道，種植出AI的抗體，一定能讓自己變得更加茁壯。
責(zé)任編輯；zl