传染病监测系统失效？各国专家关于AI防控疫情的探究

2020-3-13 关键词：临床决策支持(CDSS),医疗AI

3月11日，世界卫生组织（WHO）宣布，新冠肺炎已构成全球性流行病。在疫情蔓延过程中，部分国家开始加强对科学技术的应用。美国原国家生物监测集成中心（NBIC）主任Steve Bennett在接受采访时表示，数据分析已被证明是阻击疾病传播的可用工具，机器学习模型的推论能使人类对疾病有更深入的了解，并帮助国家在疫情的演变过程中做出更好的决策。

为何未及时预警疫情？

传染病监测报告系统对疫情的迅速反馈，是启动公共卫生应对措施的重要依据。Steve Bennett表示，许多国家已在国内医院与卫生系统部署了传染病监测系统，但各国之间的电子病历系统成熟度、卫生行政部门执行的应对措施、以及收集高质量数据的能力有所差异。

在大多数国家，支撑传染病监测报告系统运作的基础设施与管理制度尚不够健全。报告程序太耗时、缺乏对疾病报告的认知、人力资源短缺等问题也是影响监测系统不能及时预警的主要原因。 

人工智能在疫情演变过程中的效用

为了预防与应对传染病流行，各国专家正在借助人工智能技术进行相关分析。人工智能在整个疫情演变过程中的效用主要如下：

在病毒感染人类前开始预测：调查显示，四分之三的人类新发传疾病源于动物，大约有80万种未知动物病毒或会感染人类。研究人员正在开发一种AI模型，在动物病毒传给人类前，通过分析病毒的生物学特征、携带病毒的动物活动区域、世界各地与动物的互动等信息，预测哪些动物病毒可能在人类中传播，以及可能发生传播的地区，以帮助官方采取措施防止疫情的发生。

 

监测新传染病早期信号：当未知病毒开始感染人类时，时间就成了宝贵的资源。人工智能技术通过分析医院急诊数据、社交媒体、退烧药物销售等数据，能够发现异常迹象，从而早于CDC发出疫情信号，为早期调查、患者隔离等提供信息支持。美国NCBI曾开发此类AI模型监测疫情，最后比传染病监测报告系统的预警提前了几个星期。这种AI技术可以在医院与机场中部署，但部署工作要远早于疫情发生前进行。    

  

助力疫情防控工作：当疫情扩散已成为既定事实，及时采取有效的防控措施至关重要。人工智能通过整合人类迁徙、传染病确诊病例等数据，可以预测下一个发生疫情的地点与传播速度。埃博拉疫情爆发时，美国农业部(USDA)的专家建立了一个人口迁徙普查AI模型，该模型准确预测了得克萨斯州可能出现疫情的县与医院。

为减少疫情爆发后的医疗资源挤兑现象，可以利用AI执行自动化任务，比如使用聊天机器人快速调查市民的症状并生成高质量报告。AI还可以自动采集确诊患者的诊疗信息，帮助医院机构之间快速共享诊疗方案。此外，AI应用于药物与疫苗开发中也大幅减少了所需的时间和资金。

防止疫情“复苏”：当疫情得到有效遏制或结束，各国政府与WHO需要制定下一步的防控计划，比如解除封锁措施、调整公共卫生事件风险级别调整。AI模型可以帮助决策者进行大量假设分析，以验证各项政策实施后可能产生的结果，从而迅速作出有效决策，以防止疫情“卷土重来”及推进各行业的复苏。

传染病从未退出过历史的舞台，科技的进步为人们披上了与疾病作斗争的战袍，而从新冠肺炎流行的轨迹来看，除了借助科技的力量，在“疫战”开始前，还需尊重与敬畏生命。

参考资料：https://gcn.com/articles/2020/03/10/ai-coronavirus-tracking.aspx