新型冠狀病毒肺炎疫情還在持續(xù)，世界衛(wèi)生組織（WHO）緊急委員會日內(nèi)瓦時間1月30日召開會議，宣布中國新型冠狀病毒疫情構(gòu)成國際關(guān)注的突發(fā)公共衛(wèi)生事件（PHEIC）。

世界衛(wèi)生組織總干事譚德塞（Dr Tedros Adhanom Ghebreyesus）在宣布這一決定的同時，對中國政府應對疫情的努力和及時反應表示贊賞。他說，中國采取了超常規(guī)的有力措施，中國在很多方面為應對疫情提供了借鑒。世界衛(wèi)生組織將和中國在一起，加強國際之間合作，聯(lián)合控制病毒。那么我們一直寄予厚望的AI技術(shù)在這種醫(yī)療衛(wèi)生事件上能夠幫上忙嗎？答案是肯定的。2020 年 2 月 1 日，百度方面表示，正在把 AI 技術(shù)投入到新型冠狀病毒疫情防控中；比如，在北京清河火車站落地應用了 AI 多人體溫快速檢測解決方案。百度的 AI 體溫檢測技術(shù)基于人臉關(guān)鍵點檢測及圖像紅外溫度點陣溫度分析算法，可以對一定面積內(nèi)乘客的額頭溫度進行檢測，即便是佩戴帽子和口罩也能夠快速篩查。國外的藍點公司（BlueDot），該公司已經(jīng)建立了一個先進的AI平臺，可以處理數(shù)十億件數(shù)據(jù)，在新型冠狀病毒疫情上，藍點（BlueDot）于12月31日發(fā)出了第一個警報。 這要早于1月6日美國疾病控制與預防中心做出的預警。藍點的策劃者Kamran Khan是一名傳染病醫(yī)生，也是多倫多大學醫(yī)學與公共衛(wèi)生學教授，在SARS疫情爆發(fā)時期，是一名一線醫(yī)療人員，他表示：“我們目前正在使用自然語言處理（NLP）和機器學習（ML）處理大量非結(jié)構(gòu)化文本數(shù)據(jù)，目前通過65種語言，每15分鐘一次，跟蹤超過100種不同疾病的爆發(fā)，如果我們?nèi)肆ν瓿蛇@項工作，可能需要100多人才能做好。這些數(shù)據(jù)分析使衛(wèi)生專家能夠?qū)r間和精力集中在如何應對傳染病風險上，而不是花費時間和精力收集和組織信息?！盋olleen Greene，DataRobot醫(yī)療保健部總經(jīng)理：指出，“人工智能可以按地區(qū)預測潛在的新增病例的數(shù)量，以及哪種類型的人面臨的風險最大。

? ? ? ? 這種技術(shù)可以用來警告旅行者，以便易感染人群在旅行時可以做出及時防范措施，例如戴好醫(yī)用口罩?！奔~黑文大學計算機科學助理教授Vahid Behzadan 強調(diào)“人工智能還可以幫助優(yōu)化防疫策略。 例如，Marzieh Soltanolkottabi博士的研究是關(guān)于使用機器學習來評估和優(yōu)化社區(qū)，城市和國家之間的社會隔離（隔離）策略，以控制流行病的傳播。 此外，Vahid Behzadan所屬的研究小組正在與Soltanolkottabi博士合作，開發(fā)利用AI的最新進展，尤其是強化學習技術(shù)來增強疫苗接種策略的方法?！盫incent Grasso博士是IPsoft醫(yī)療和生命科學全球?qū)嵺`主管他表示：“例如，當疾病暴發(fā)時，必須從患者和其他相關(guān)人員那里獲得臨床相關(guān)信息，如發(fā)病前后的生理狀態(tài)、與接觸地點有關(guān)的信息和其他重要信息。將人類部署到這些情況是昂貴和困難的，特別是如果出現(xiàn)多起疫情或疫情發(fā)生在缺乏足夠資源的國家。

? ? ? ? ?客服機器人作為人類試圖獲取相關(guān)信息的擴展將是一個受歡迎的補充?？头C器人可以與患者采用問答的方式進行溝通，收集信息，問題大多是標準化的，還可以根據(jù)情況變化修改。除了這一“前端”好處外，從語音、文本、醫(yī)療設備、GPS和許多其他來源收集的數(shù)據(jù)作為數(shù)據(jù)點也是有益的，可以幫助我們學習更有效地應對未來的疫情。”SAS全球政府實踐主管、美國國土安全部國家生物監(jiān)督局前局長Steve Bennett表示：“人工智能可以通過幾種方式幫助對付冠狀病毒。通過確定的已知疫情，衛(wèi)生官員就可以根據(jù)環(huán)境條件、獲得醫(yī)療保健的機會以及病毒傳播的方式，使用人工智能來預測病毒將如何傳播。人工智能還可以在病毒局部爆發(fā)的情況下，或在不尋常的小規(guī)模不良健康事件中發(fā)現(xiàn)共性。從這些事件中得到的情況可以幫助回答許多關(guān)于病毒性質(zhì)的未知問題?！耙业街委煿跔畈《镜姆椒?，研制抗病毒藥物和疫苗是一個反復試驗的過程。過去醫(yī)學界已經(jīng)成功地培育出了許多針對類似病毒的疫苗，因此使用人工智能來觀察來自類似病毒的模式，并檢測在構(gòu)建新疫苗時要尋找的屬性，將比從頭開始構(gòu)建疫苗的成功概率更高?！盜nterSystems的HealthShare副總裁唐?伍德洛克認為：“通過機器學習的方法，我們可以讀取醫(yī)療記錄中的數(shù)百億個數(shù)據(jù)點和臨床文檔，來確定患者是否攜帶病毒。感染該疾病的患者的“特征”會從建模過程中逐漸清晰，這有助于我們將風險更高的患者作為醫(yī)治目標。“類似地，機器學習的方法可以自動建立醫(yī)療記錄中治療方法和最終治療結(jié)果之間的模型或關(guān)系。這些模型可以快速確定更好的治療方法，并有助于指導臨床醫(yī)治指南的制定。”