技术审查 | 人工智能技术对COVID-19大流行的管理影响和作用
Posted 量观网络
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了技术审查 | 人工智能技术对COVID-19大流行的管理影响和作用相关的知识，希望对你有一定的参考价值。
截至2020年8月20日，已确诊病例超过2260万（尚不包括虚假和错误的数据披露）。尽管新冠疫情爆发带来了不可估量的影响，但是诸如物联网（IoT），无人机（UAV），区块链，人工智能（AI）和5G等新兴技术的使用和推广，对各国政府及医疗机构在面对COVID-19的流行预测与控制等方面起到了积极有力的作用。本文旨在对以上八种技术进行全面审查和回顾，以期有所启示和思考。本文主要内容框架见下图：
本文为第3期，上期内容请参考：（第3期）
参考资料来源 | IEEE Access
人工智能已被证明是一项具有里程碑意义的技术进步。如果使用得当，它将成为对抗COVID-19大流行的高效工具。下述为AI有效应对COVID-19大流行的一些实际和潜在方法：
总部位于多伦多的健康监测公司BlueDot成功报告了即将于2019年12月31日爆发冠状病毒的疫情，比世卫组织早九天。BlueDot的AI模型利用多种机器学习（ML）和自然语言处理（NLP）工具来寻找新兴疾病的证据。该模型能够在SARS-CoV-2传播之前对其进行跟踪，并在流行病学家之前就对其爆发进行了预测。但是，这并不能说完全不需要人工来完成。尽管他们的AI模型能够对疾病的爆发做出预测，但人工解释模型的输出仍然是其工作的核心。
除了BlueDot，其他一些组织也采用AI来估计与新出现的感染相关的风险。例如，成立于2008年的风险分析公司Metabiota已经开发了一种流行病监测平台，可以预测疾病的传播。Metabiota的预测基于感染的临床特征，病死率和治疗有效性等因素。Metabiota的Epidemic Tracker功能包括提供有关120多种新型病原体的详细信息和最新统计信息。
除了这些努力之外，一些科学家还提出了使用此类技术来早发现潜在致命的人畜共患病毒的方法，减少对人类造成的损害。全球病毒组计划（Global Virome Project，GVP）就是证明。GVP旨在建立能够感染人类的各种动物病毒的遗传和生态数据库。他们收集有关病毒的大量数据可以用于改善AI技术，以预测哪些人畜共患病毒可能对人类造成最大的伤害。这样的机制可以促进疫苗，药物和预防措施的积极发展。
将AI技术应用在COVID-19领域，最具前景的途径之一是风险预测（请参见下图）。大体上，风险预测可以分为以下几类：
- 预测被感染的风险
- 预测一旦感染会出现严重症状的风险
- 预测对受感染者使用特定治疗方法的风险
通常被感染的风险取决于多种因素，包括年龄，旅行史，卫生习惯，当前健康状况，既往健康状况以及家庭病史。对这些因素进行直接数学建模不会产生丰厚成果。但是，结合AI技术对这些因素进行全面分析，可以对个人风险状况进行更精确，更可靠的预测。有学者建立了一种基于ML的策略，可为易受新型冠状病毒感染的个体建立脆弱性指数。
一旦受到病毒感染，AI技术也可以用于确定COVID-19患者治愈率与存活率以及接受ICU治疗要求的可能性大小。为此，来自斯坦福大学和芝加哥大学的医生正在尝试增强其现有的AI系统，以准确识别病情有潜在恶化倾向的COVID-19患者。在此之前，该系统已经证明其在预测心脏病患者是否需要转移至ICU治疗的能力。
在另一项工作中，由约翰·霍普金斯大学发起组建的初创公司贝叶斯健康公司已开始研究急性呼吸窘迫综合征（ARDS）的预警系统，该系统是与COVID-19相关的严重症状之一。甚至有学者提出了支持临床决策的AI框架和预测模型，能够根据最初的表现识别出患有ARDS等严重症状的可能性更高的人。据了解，该模型在预测严重病例COVID-19时达到了70-80％的准确性。
除上述用例外，AI技术（尤其是机器学习算法）也可以用于将患者的数据参数与特定药物的用法相关联。这种相关性可以用来预测药物对特定患者群体的作用。关于这方面的知识学习和因素识别，可以使医生和医疗供应商更好地为患者预期治疗结果做出充分准备。
COVID-19的快速诊断可以使政府采取有效的应对措施，以限制疾病的进一步传播。然而，检测工具的短缺往往很难进行大规模的诊断测试。以下是AI革新COVID-19筛查和诊断过程的各种方式。
1）人脸扫描仪
COVID-19疫情过后，公共场所多采用红外温度扫描仪，以检查人们是否存在高热症状。但是，此技术需要一线人员进行扫描。为了限制一线员工与COVID-19潜在患者的接触，一些医院，机场和医疗中心已经采用了基于AI的多传感器技术的摄像头。这些摄像机不仅可以观察人群并识别体温高的人，而且还可以用来识别他们的脸并追踪他们的动作，AI系统甚至可对受检者表现出的COVID-19的症状进行分类。
2）医学影像
人工智能技术在改善基于图像的医学诊断方面具有巨大潜力。研究人员发现，使用支持AI的工具对计算机断层扫描（CT）和X射线检测结果进行分析，可以提供比当前对COVID-19的检测更加及时的医学诊断，从而节省放射线医生的评估确诊时间。
LinkingMed是一家总部位于北京的初创公司，专门从事建立肿瘤学数据平台和医学数据分析工作。该公司提出了一种基于AI的肺炎CT扫描分析筛查模型。由于肺炎相关症状是COVID-19的最常见临床特征之一，因此识别肺炎的存在可以帮助识别潜在的COVID-19患者。LinkingMed的开源AI模型是基于百度的并行分布式深度学习平台PaddlePaddle 而构建的。
尽管当前普遍认为人工智能在医学成像技术领域对COVID-19的诊断具有巨大潜力，但一些放射科医生已经提出了有关此类技术的一些问题。首先，缺乏无偏数据会阻碍AI模型的性能。其次，使用医学成像技术可能会污染所使用的设备，并很可能导致疾病进一步传播。
3）医疗诊断
基于AI的医疗和安全解决方案公司JLKInspection开发了另一个名为AiHub的AI平台。该平台使用几台成像设备的AI和大数据功能，可在几秒钟内诊断出患者可能患有的任何肺部疾病。除了各种COVID-19诊断平台之外，AI在加速病检测程序的开发中也发挥了重要作用。该程序不仅得到了韩国政府当局的认可，还获得了欧盟的认可。
4）语音检测系统
语音检测是可用于识别潜在COVID-19患者的最简单技术之一。当检测工具严重缺乏时，语音检测平台可以充当筛选措施，以确定需要测试的人员。
从以上分析可知，至关重要的是要明确AI更适合于辅助COVID-19患者的筛查，而不是完全依赖这项技术。为了能够准确诊断任何COVID-19患者，需要保证AI设备、平台和算法必须足够强大，才能检测到病毒的所有可能突变。
SARS-CoV-2难以治疗的主要原因之一是缺乏该病毒的现有研究和治疗方案，但通过分析COVID-19的当前病例以及对相关肺炎疾病的现有研究，可以证明AI是加速药物开发过程的有益技术。一些组织和研究实验室已经采用AI来识别COVID-19的潜在治疗方法。人工智能不仅可以加快药物开发过程，而且还可以帮助评估现有药物的疗效价值。
1）药物开发
机器学习（ML）是AI的子集，过去一段时期内已经证明了在紧急情况下ML对药物开发过程的有效性。在埃博拉疫情期间，贝叶斯ML模型用于加快针对该病毒的分子抑制剂的研发过程。同样，采用了ML辅助虚拟筛选和评分技术，可加快发现针对H7N9病毒的病毒抑制剂的过程。鉴于当前的大流行，ML模型可以帮助加快开发可用于治疗COVID-19的药物的过程。
2）重新利用现有的药物/化合物
由人工智能驱动的药物发现和药物再利用平台Gero已协助鉴定了几种现有药物，包括一种名为Afatinib的药物（用于治疗非小细胞肺癌），该药物可能用于治疗COVID-19。
通过预测病毒蛋白与现有药物之间的药物-靶标相互作用（DTI），各种ML技术也被用于识别候选药物。有学者研究建立了一个深度学习的深度卷积神经网络（DFCNN）系统，该系统能够以相当高的准确性识别抗原与抗体的相互作用。因此，使用AI不仅可以识别有效的治疗方案，还有助于分析其预期效果。
制定COVID-19治疗方案的关键是了解病毒本身。由于病毒无法自行繁殖，因此它们依赖宿主细胞制造其DNA的副本。为此，病毒通常通过锁定和钥匙机制将自身与宿主受体结合，从而感染宿主细胞。大多数基于抑制剂的药物的工作机制是通过阻断靶细胞的受体来防止这种情况的发生。因此，有效抑制剂的设计要求科学家对病毒与宿主细胞的结合机理进行建模。机器学习恰好是科学家的武器库中用于构建此类模型的最有用的工具之一。
过去，用蛋白质数据训练的ML模型已被证明可成功预测H1N1病毒与人体细胞之间的蛋白质-蛋白质相互作用（PPI），从而消除了对整个病毒-宿主相互作用建模的需要。机器学习还可以用于为病毒用来维持自身的各种蛋白质折叠机制建模，如使用深度学习算法从蛋白质的氨基酸序列预测蛋白质的结构，了解蛋白质的三维结构非常重要，因为蛋白质的功能与其结构密切相关。
在当前的COVID-19健康危机中，谷歌的AI公司DeepMind已采用其AlphaFold系统来预测与SARS-CoV-2相关的蛋白质的结构。这些预测可以帮助科学家更好地了解病毒的整体结构，从而开发出一种新的治疗COVID-19的药物。需要注意的是，DeepMind表明这些预测尚未通过实验验证。
SARS-CoV-2是冠状病毒科Beta-Cov属的成员。通常，此类病毒的基因组是蝙蝠和啮齿动物基因组的混合物。迄今为止，促进COVID-19向人类传播的哺乳动物宿主是未知变量。为此，ML模型可用于有效比较病毒基因组与已知基因组，并识别它们之间的相似性，有学者提出使用随机森林算法来识别A型流感病毒宿主的方法，识别模型可以扩展到包括SARS-CoV-2。
COVID-19爆发后的不确定时期产生了大量的虚假新闻和不实阴谋论，在社交媒体平台上流传着很多错误信息。为了遏制这些虚假新闻的传播并提供经过验证的信息，谷歌，Youtube和Facebook等技术公司已经采用了AI技术。所有这些平台都在努力筛选内容，以防出现丝毫错误信息。尤其是YouTube，已经采取了严厉措施，取缔了任何传播假新闻的视频。
世界上许多国家，包括中国，印度，美国和英国，都在采用AI来实施社会疏离和锁定措施。在中国，百度是全球最大的AI和互联网公司之一，已开发出具有计算机视觉（CV）功能的红外热像仪来扫描公共场所。这些摄像机不仅可以识别体温较高的人，而且可以通过使用其内置的面部识别系统来识别未遵循锁定措施的居民。在英格兰牛津已经部署了类似的CV摄像机系统，以监视人群是否遵循社会疏离措施。
可以想象，人工智能可以在缓解COVID-19大流行的影响方面发挥重要作用。但是，目前，人工智能系统仍处于预备阶段。阻碍AI在COVID-19影响管理中应用的几个挑战和局限性如下：
- 为了产生可靠和准确的结果，AI模型需要大量的训练数据。然而，由于大流行的空前性质，缺乏训练AI模型的历史数据，因此构建AI模型效率低下。
- 一方面，缺乏开放数据严重阻碍AI模型的性能，另一方面，噪声数据和异常数据也给有效利用AI技术带来了挑战。Google Flu Trends计划的失败揭示了这样一个事实，即大量的脏数据可能会淹没AI算法并抑制其运行。
- 人工智能系统，特别是机器学习模型面临的另一个局限性是它们固有的假设，即在任何给定情况下所有可能的意外事件都与已训练过的数据集中展示的意外事件相同。
- 将AI技术用于人群监视被许多人视为侵犯隐私。尽管目前人们已经意识到公共卫生问题比数据隐私问题更为重要，但是与使用AI相关的隐私陷阱仍让公众感到恐惧，即使在COVID-19大流行之后，政府也可能继续对其进行监控。
- AI的另一个局限性是对人类知识的依赖。人类的专业知识对于指导AI技术的实施和在对抗COVID-19大流行的斗争中发挥重要作用。
尽管AI技术的应用面临诸多挑战，但它们在应对COVID-19大流行方面的贡献不可忽视。近年来，人工智能技术在NLP，ML，深度学习，数据分析等领域取得了惊人的进步，显示了AI在协助COVID-19大流行管理系统中的潜力。
下一期，我们将重点介绍区块链与5G技术在防控COVID-19大流行中所发挥的重要作用。目前，我国在以上两项技术的研发与应用方面已经处于前列。
应指出的是，未来的科技潮流将引领多种技术交融，单一技术应用已无法充分发挥其最大价值，而区块链和5G技术将有望成为最具前景的连接性技术。
版权声明
未经「量观网络/QVN」授权，不得以任何方式加以使用，违者必究；
以上是关于技术审查 | 人工智能技术对COVID-19大流行的管理影响和作用的主要内容，如果未能解决你的问题，请参考以下文章
云计算 | COVID-19带来机遇 云计算巨头Rackspace再提IPO