目前，新冠疫情的發(fā)展逐漸樂觀，作為人工智能/數(shù)據(jù)科學領域的從業(yè)者，我們不妨來探討一下，AI在遏制類似的疾病傳播中，可以起到什么樣的作用。

當然，單純靠AI技術確實無法讓病毒停止傳播，在一定時期內(nèi)，也不可能取代人類傳染病學專家的地位。但AI算法可以為病毒傳播的干預和預防決策提供信息，并且可以幫助優(yōu)化抗擊疫情的資源分配，甚至可以在引起病理學家的注意之前，就可以檢測到疫情爆發(fā)的早期跡象。

實際上，早在2014年，研究人員就借助數(shù)據(jù)分析模型對英國的HIV病毒的檢測和治療情況進行了評估，并且成功地預測出了未知的病毒感染者。根據(jù)研究人員的推斷，在該模型的幫助下，即便不改變?nèi)藗兊男袨榱晳T，新增感染人數(shù)也可以降低5%。

而到了2016年，佐治亞大學、加州大學和梅西大學組成了研究團隊，開發(fā)出了可以預測絲狀病毒傳播的AI程序。（大名鼎鼎的埃博拉病毒就是絲狀病毒的一種）由于蝙蝠是這類病毒的常見宿主，并可以傳染給人類，因此該AI程序選取和蝙蝠有關的57種特征（包括其生活史、生態(tài)因素和遺傳因素等），進行建模，預測出哪些類型的蝙蝠有可能攜帶絲狀病毒。據(jù)稱，該模型的準確率達到了87%。

2017年，上述團隊還進行了后續(xù)研究——他們使用AI算法來預測在有限的公共財政預算下，如何使預防丙肝病毒傳播的工作能夠?qū)崿F(xiàn)最優(yōu)效果。通過訓練，AI模型告訴研究人員，如果預算有10億美金，那么公共衛(wèi)生資金應當全部用于該傳染病的早期治療；但如果將預算增加到50億美金，則第一年最好安排60%的預算用于篩查，其余部分用于治療——同時，用于篩查的預算應逐年下降——到第三年時，只需安排20%的預算用于篩查即可。

同一年，新加坡Saw Swee Hock公共衛(wèi)生學院和新加坡國家環(huán)境局環(huán)境衛(wèi)生研究所的科學家開發(fā)了一種預測“登革熱”暴發(fā)的AI算法，該算法通過對近十年的歷史氣候數(shù)據(jù)和登革熱的季節(jié)性模式進行分析，能夠提前四個月預測到疫情爆發(fā)的可能性。而一家名為Aime的初創(chuàng)公司緊隨其后，開發(fā)出一種可以預測登革熱爆發(fā)時間與地點的AI模型，據(jù)悉該模型的準確率達到了84%。做出類似成果的還有日本愛媛大學，他們使用降雨和氣溫數(shù)據(jù)訓練了一個AI模型，用于預測菲律賓首都馬尼拉的登革熱感染情況。

2018年，南卡羅來納大學的科學家開發(fā)了一個AI模型，用于幫助公共衛(wèi)生機構(gòu)提高其資金使用效率。通過使用印度和美國的預防結(jié)核病和淋病的真實數(shù)據(jù)進行測試，結(jié)果表明，如果使用該模型替代現(xiàn)有的體制，每年可以減少約8000例結(jié)核病病例和約20000例淋病病例。

現(xiàn)在，讓我們再把目光轉(zhuǎn)回到時下的新型冠狀病毒。據(jù)外媒報導，一家根據(jù)死亡病例數(shù)據(jù)和可治愈性數(shù)據(jù)來預測傳染病傳播風險的平臺MetaBiota正在和美方情報機構(gòu)和國防部合作，處理有關新型冠狀病毒的問題。而另一家名為BlueDot的公司，通過機器學習和自然語言處理算法，每天跟蹤65種不同語言的10萬篇文章，以及大量旅行者的行程、飛行路線、某個地區(qū)的氣候溫度、當?shù)厣蠓N類等信息，跟蹤包括新型冠狀病毒在內(nèi)的100余種傳染病的傳播情況。

綜上所述，能夠自動追蹤疾病傳播的AI系統(tǒng)，在未來幾年將會加速發(fā)展。BCC Research的分析師稱，到2023年，數(shù)字病理學和流行病學市場預計將達到102億美元（2018年為48億美元），這主要是由算力的不斷發(fā)展和模型特征工程方面的創(chuàng)新推動。相信不久的將來，在該領域?qū)性絹碓蕉嗟臋C會逐漸浮現(xiàn)出來。