當一種神秘的疾病首次出現時，政府和公共衛(wèi)生官員可能很難迅速收集信息并協調應對。但新的AI技術可以通過世界各地的新聞報道和在線內容自動進行挖掘，幫助專家識別可能導致潛在流行病或更嚴重流行病的異常情況。換句話說，我們的新AI霸主可能會幫助我們在下一次瘟疫中幸存下來。
這些新的AI技術在最近的冠狀病毒爆發(fā)中得到了充分展示，加拿大一家名為BlueDot的公司很早就發(fā)現了這種病毒，BlueDot是利用數據評估公共健康風險的眾多公司之一。據外媒報道，該公司稱其進行了“自動傳染病監(jiān)測”，并在12月底通知了客戶這種新型冠狀病毒，而這個時間比美國疾病控制與預防中心（CDC）和世界衛(wèi)生組織（WHO）發(fā)出的官方通知提前了幾天。1月底，與中國武漢有關的呼吸系統(tǒng)病毒已經奪去了100多人的生命。包括美國在內的其他幾個國家也出現了相關病例，CDC警告美國人避免不必要的中國旅行。
傳染病醫(yī)生、BlueDot創(chuàng)始人兼首席執(zhí)行官Kamran Khan在一次采訪中解釋了該公司的預警系統(tǒng)如何使用AI，包括自然語言處理和機器學習，通過每天分析65種語言的約10萬篇文章來追蹤100多種傳染病。這些數據有助于公司知道何時通知客戶某種傳染病的潛在存在和傳播風險。
旅行者行程信息和航班路線等其他數據可以幫助該公司了解疾病可能的傳播方式。例如，本月早些時候，BlueDot研究人員預測，在中國大陸出現冠狀病毒后，亞洲其他城市也會出現冠狀病毒。
BlueDot的模型（其最終結果隨后由人類研究人員進行分析）背后的想法是盡快將信息傳遞給醫(yī)護人員，希望他們能夠盡早診斷出并在必要時候隔離被感染的和可能具有傳染性的人。
Kha說：“官方信息并不總是及時的。旅行者身上的一個病例與疫情爆發(fā)之間的區(qū)別，往往取決于第一線醫(yī)護人員是否認識到存在某種特定的疾病。這可能是防止疫情真正發(fā)生的關鍵?！?/p>
Khan補充說，他的系統(tǒng)還可以利用一系列其他數據——比如一個地區(qū)的氣候、溫度，甚至當地牲畜的信息——來預測一個人是否感染了某種疾病，是否有可能在該地區(qū)引發(fā)疫情。他指出，早在2016年，BlueDot就能夠在寨卡病毒在佛羅里達州出現6個月之前預測到它的出現。
與此類似，流行病監(jiān)測公司Metabiota通過觀察飛行數據得出結論，認為泰國、韓國、日本和中國臺灣是發(fā)現冠狀病毒病例的最高風險地區(qū)，這些國家的病例出現時間比實際官方報告的時間早了一個多星期。與BlueDot一樣，Metabiota也使用自然語言處理技術來評估關于潛在疾病的在線報告，而且它也在為社交媒體數據開發(fā)同樣的技術。
Metabiota的數據科學主任Mark Gallivan解釋說，在線平臺和論壇也可能顯示存在疫情爆發(fā)的風險。Metabiota還聲稱，它可以根據疾病的癥狀、死亡率和可獲得的治療等信息，來評估疾病傳播造成社會和政治混亂的風險。例如，Metabiota將引起美國和中國公眾焦慮的新型冠狀病毒的風險評為“高”，但將剛果民主共和國猴痘病毒的這種風險評為“中等”。
很難知道這個評級系統(tǒng)或平臺本身有多精確，但是Gallivan說，該公司正在與美國情報機構和國防部就與冠狀病毒相關的問題進行合作。這是Metabiota與In-Q-Tel合作的部分成果。In-Q-Tel是與美國中央情報局有關聯的非營利性風險投資公司。但政府機構并不是這些系統(tǒng)的唯一潛在客戶。Metabiota還向再保險公司宣傳它的平臺。再保險本質上是保險公司的保險，這些公司可能希望管理與疾病潛在傳播相關的財務風險。
但是，AI遠比僅僅在疾病突然出現時通知流行病學家和官員有用得多。研究人員已經建立了基于AI的模型，可以實時預測寨卡病毒的爆發(fā)，這可以告訴醫(yī)生如何應對潛在的危機。AI還可以用來指導公共衛(wèi)生官員在危機期間如何分配資源。實際上，AI將成為對抗疾病的第一道新防線。
更廣泛地說，AI已經在協助研究新藥、治療罕見疾病和檢測乳腺癌方面作出了杰出的貢獻，它甚至被用來識別傳播查加斯病的昆蟲。查加斯病是一種無法治愈的潛在致命疾病，在墨西哥、中美洲和南美洲已經感染了大約800萬人。人們也越來越有興趣使用非健康數據——比如社交媒體帖子——來幫助衛(wèi)生政策制定者和制藥公司了解健康危機的廣度。例如，AI可以挖掘社交媒體帖子，追蹤非法鴉片類藥物的銷售，并讓公共衛(wèi)生官員了解這些受控制藥物的傳播。
這些系統(tǒng)，包括Metabiota和BlueDot的系統(tǒng)，只有在它們所評估的數據有效時才有效。而AI通常存在一定的偏見問題，這種偏見來自于設計系統(tǒng)的工程師，也來自于它所訓練的數據。在醫(yī)療保健領域使用的AI也無法避免這個問題。
盡管如此，所有這些進步都代表著AI所能做的事情有著更加樂觀的前景。一般來說，有關AI機器人篩選大量數據的新聞大多都是負面的。想想執(zhí)法部門使用面部識別數據庫，這些數據庫建立在從網上搜集的圖像基礎上?；蛘哒衅附浝砜梢愿鶕愕纳缃幻襟w帖子，用AI預測你的工作表現。AI對抗致命疾病的想法為我們提供了一個案例，在這個案例中，盡管并非完全充滿希望，但我們至少可以感到稍微不那么不安。如果開發(fā)和使用得當，也許這項技術確實可以幫助拯救一些生命。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
