AI技术提效疫情防控，有效降低交叉感染的风险

近日，新冠疫情反扑北京，不断上升的确诊病例数字让北京居民的心又一次提了起来。这一次北京迅速反应，对新发地市场、周边居民、到过市场的人群等有可能感染的人群全部进行了排查与核酸检测，就连曾经开车路过的也没有放过。

目前北京市核酸检测日均采样已经增长到近50万人，可以说是严防严控，一刻不放松。在与病毒搏斗的这段时期里，对于检测人员、医疗人员、各监管部门都是一场考验。

在大量消耗人力的背后，信息技术充分发挥了辅助作用。其中，AI深度参与到了疫情预测、诊断诊治、新药研发等疫情防控全流程中。

抗疫用到了哪些AI算法？

IEEE终生会士、英国皇家工程院院士塔里克·杜拉尼在2020世界智能大会上发表演讲时，把机器学习工具预测新冠病毒隔离的影响进行检测分为了7个步骤：识别风险人群、确诊病例、快速研发药物、预测疾病扩散的趋势、深入了解病毒、分析病毒来源以及预测下一次流行期。

塔里克·杜拉尼认为，在诊治诊疗阶段，AI作用可主要分为两个层面，一是早期检测与诊断感染。AI可以快速分析不相关的症状，通过算法生成新的诊断和管理方法，快速通过识别CT、MRI影像作出判断。二是制定治疗措施。建立病毒扩散智能平台进行自动监测和分析、通过神经网络方法提取病毒特征帮助患者的监测和治疗。

塔里克·杜拉尼指出，通过半监督学习和贝叶斯深度学习组合在一起构建的新方法，可以对分子预测方法下不确定的部分进行量化；通过半监督学习实现少量数据限制下的信息性分子呈现；贝叶斯深度学习方法可以实现在统计命令方式下任意和认知的不确定信号评估。

增强学习方法可以应用在三个方面：探测疾病；整合大量信息辅助医生处理复杂的诊疗判断；基于大数据方法进行流行病学趋势判断、社交媒体监控、新媒体传播报道中的发挥重要应用。

AI提效疫情防控

日前央视新闻发文指出，北京部分监测点出现聚集现象，加大了人员感染风险，为了自身和他人安全，建议低风险人群不必着急做检测。

针对民众对于疫情担忧和恐慌的心理，国内研究团队开发了相关AI+大数据平台，有助于疫情流行期，缓解大众恐慌，引导合理就医，减少医院，尤其是发热门诊的医疗负荷，同时显著降低院内交叉感染的风险。

清华大学长庚医院自研了COVID-19自测评估系统和COVID-19智能辅助分诊系统。COVID-19自测评估系统是依据国家卫健委《新冠肺炎诊疗方案》设定问答式的疾病自测评估软件，通过智能分析给用户做出新冠感染风险层级评估，并给出保健和就医的指导意见。

COVID-19智能辅助分诊系统基于语AI算法，结合流行病学史，症状、体温、心率等数据，将就医者新冠感染的风险自动分级为低危、中危、高危三种，可以做到快速精准的分诊，提高医院门急诊的预见分诊和医生看诊的效率，有助降低发热门诊的负荷，减轻院内人群聚集和交叉感染的风险，已在国内多家医院部署应用。

清华大学计算机系AMiner团队和智谱.AI团队构建了一个大规模、结构化、中英文双语的新冠知识图谱，该平台可以预测不同阶段新冠病毒再生指数，通过机器学习的算法建立模型，预测不同时间段未来一段时间之内感染人数的变化。清华大学创新领军工程博士，智谱.AI CTO张鹏在2020北京智源大会上发表报告时坦言，这种预测会面临一些问题，比如统计口径的变化，以及积累病例数据的释放等等，会导致数据波动。不同人从感染到发病，到确诊的周期，也会影响到整个趋势预测的准确率。

“所以在这些问题当中，我们都采用了大数据的方法。”张鹏指出，平台可以对数据异常波动和周期预测问题进行处理，建立不同模型进行对比、分析，最终得出一个比较合理的预测模型，并且对于湖北与非湖北地区，中国与国际地区的分析模型，可以进行分别的构建和预测。

疫情防控是对AI的一次重要试炼

在谈到研发新系统的技术难点时，中国工程院院士、清华大学临床医学院院长、清华长庚医院院长董家鸿感言，最难的不是研发本身，而是提高管理者和公众对于新技术的认可度。在应急防控体系中，如何应用新技术、是否存在潜在风险很多管理者关心的重点问题。未来在新科技产品应用方面，除了注重研发，也要考虑如何高效地让使用者尽快认知。“这很重要，我认为是我们当时遇到的最重要的一个难题。”

面对新冠疫情，AI成为了医疗领域抗疫过程中的有力帮手。在众多新兴技术中，AI仍然处于成长时期，从学术层面来讲，它在不断突破，持续深挖；从应用角度讲，它已经在各个领域默默奉献，但是也遇到了对于有效性、精准度、安全性等各种问题的拷问。

无论是人还是技术，处于成长阶段难免会出现各种问题，总要面临来自各界的质疑甚至否认。AI是一项赋能的技术，不断训练、用数据浇灌才能激发出它最大的力量。这场疫情攻坚战，也是对AI能力的一次大考，是AI从成长走向成熟的一次重要试炼。
责任编辑：tzh