一次新冠，讓我們見識了AI參與防疫的各種花式操作。

當然，主要局限在中國內(nèi)地。

一旦將目光投擲到疫情同樣在擴散的意大利、美國、日本等歐美發(fā)達國家，會發(fā)現(xiàn)這些印象中的大型都市、科技強國，似乎都沒準備拿起AI這把強有力的防控武器。

主要原因一是出于當?shù)卣姆揽卣?，將新冠的威脅與流感畫上等號，不提倡過度反應(yīng)。除了建議大家勤洗手，一些明顯可以協(xié)助公共健康核查的措施，都不見蹤影。

比如意大利宣布全面封鎖之后，恐慌的民眾們將米蘭火車站堵得水泄不通，上萬人試圖從即將被封鎖的地區(qū)逃離，其中或許就有潛在病例。

原本依靠紅外智能測溫，就能對大規(guī)模移動人群進行基本的體溫測定，高效降低傳染風險，但在全球“時尚之都”，類似的措施依然缺席。

不過，對待科技防疫的態(tài)度，不能簡單地用疫情嚴重程度來看待。其背后隱藏的產(chǎn)業(yè)密碼和技術(shù)文化，恐怕才是更重要的。

拒絕AI的發(fā)達地區(qū)：

歐美新冠抗疫啟示錄

截止到目前，如果要對其他國家針對新冠防控采取的行動下一個評語的話，大概“佛系”是大家的一致觀感。

新加坡在疫情暴發(fā)初期，除了提醒國民警惕，發(fā)布疫情橙色預(yù)警后，就沒有出臺什么專門的抗疫措施了。

而在疫情相對嚴重的北美和歐洲，英國針對新冠的新防疫政策，則是可能禁止舉行人員密集的大型活動，并召集警力用于對付嚴重犯罪和保障社會秩序。

而確診人數(shù)排在全球第二、死亡率高居首位的意大利，也才剛剛發(fā)出了封城禁令，至于運用科技武器來遏制傳播，追蹤接觸者，目前還沒有見到什么有效的措施。

當然，要承認我們也確實見到了一些科技元素。

比如美國防控的特點就是常規(guī)監(jiān)測和AI助力疫苗研發(fā)。據(jù)路透社25日的報道，美國政府已向國會申請25億美元（約175億人民幣）資金，其中就包括了近10億美元（約70億人民幣）的疫苗研發(fā)資金。

此外，因為防疫比如佩戴口罩導(dǎo)致手機的 Face ID 無法識別等生活煩惱，也創(chuàng)造出了新的商機。國外的一個創(chuàng)業(yè)者，就發(fā)明了一款帶有面部信息的口罩。提取用戶被口罩遮擋部分的面部信息，然后印制到口罩外側(cè)，戴上后即拼湊成完整的臉部，目前售價高達40美元一個。就問你想不想擁有？

一方面，我們看到疫情爆發(fā)嚴重的大多是經(jīng)濟貿(mào)易文化交流往來的國際化大都市，往往擁有不低、甚至世界一流的醫(yī)療技術(shù)和AI能力。而這些地方的管控，也直接影響著本國會不會發(fā)生更大的傳播和爆發(fā)，但對于運用智能技術(shù)來提升社會公共防疫能力，效率卻遠沒有中國快。

這些國家的AI到底都在干嘛？先來聊一聊他國AI在防止傳染類疾病傳播，到底發(fā)揮了哪些作用。

AI從未消失，

它只是以另一種形式出現(xiàn)

在AI全面下沉到產(chǎn)業(yè)的今天，缺席醫(yī)療自然是不可能的。

只不過和新冠疫情比起來，流感給美國、歐洲等國家?guī)淼耐{，可能更真實一點。

根據(jù)美國疾病預(yù)防中心（CDC）統(tǒng)計，去年冬天，全美國已經(jīng)有8200人死于季節(jié)性流感，1500萬人感染，超過18萬正在住院，各地的醫(yī)療機構(gòu)都在加班加點地工作。

因此，在預(yù)防其他傳染疾病上，或許才能更真實地見到AI的面貌。

簡單總結(jié)一下，主要體現(xiàn)在四個方面：

1.輿情監(jiān)測預(yù)警。

其實早在新冠疫情大爆發(fā)之前，12月30日，波士頓兒童醫(yī)院（Boston Children‘s Hospital）的自動健康地圖系統(tǒng)，就發(fā)布了中國境外首次有關(guān)這種新型冠狀病毒的公共警報。

這套系統(tǒng)就得益于人工智能技術(shù)自然語言處理的支持。

通過掃描在線新聞、社交媒體報道和政府報告，尋找傳染病爆發(fā)跡象的早期預(yù)警系統(tǒng)，并將預(yù)警的嚴重程度分為5級（新冠被定為3級），從而可以幫助WHO等在語言障礙可能出現(xiàn)的情況下率先洞察疫情。

智能抓取，是不是很容易聯(lián)想到搜索引擎爬蟲？

沒錯，這正是谷歌自上世紀90年代以來的核心技術(shù)。而早在2008年，谷歌就推出了流感趨勢服務(wù)（Google Flu Trends），通過搜索流感癥狀的模式來發(fā)現(xiàn)流感爆發(fā)。

通過過去5年中已經(jīng)完成的數(shù)10億次搜索。，將與流感相關(guān)的查詢（比如“咳嗽”或“發(fā)冷”），與美國疾病控制與預(yù)防中心的歷史流感數(shù)據(jù)進行匹配，然后利用這些查詢來預(yù)測未來可能的情況。

比如2008年1月28日，關(guān)于流感的查詢數(shù)量趨勢上飆升。兩周后，美國疾病控制與預(yù)防中心報告稱流感感染病例出現(xiàn)上升，并讓醫(yī)療行業(yè)在流感季到來時做好準備。

2.藥物或疫苗研發(fā)。

我們都知道，中國科學家正在加班加點地研發(fā)疫苗，其中，科技企業(yè)開放的超大算力就起到了至關(guān)重要的效果。

而海外利用AI研發(fā)藥物或疫苗的嘗試也早已有之。

美國國家過敏和傳染病研究所（US National Institute of Allergy and Infectious Diseases）就資助了一項研究，由南澳的弗林德斯大學（Flinders University）借助一個名為“配體搜索算法（Search Algorithm for Ligands，SAM）”的人工智能程序來設(shè)計藥物。

研究者將數(shù)萬億種不同的化學化合物輸入SAM，它會篩選出自己認為可能是理想的人類免疫候選藥物。據(jù)說，由SAM獨立設(shè)計的疫苗可以抵御流感病毒，并且已經(jīng)開始在美國進行臨床實驗。

3.追蹤病原體軌跡。

在預(yù)防或遏制傳染疾病爆發(fā)的過程中，一項非常重要的任務(wù)，就是準確找出攜帶病毒的病人，或者動物。

許多新興的傳染病都是由動物傳染給人類的，因此，利用機器學習來檢測野生動物習性并判斷它們的免疫風險，就成了研究者關(guān)注的對象。

比如美國卡里生態(tài)系統(tǒng)研究所就針對2000多種嚙齒類動物建立了一套龐大的數(shù)據(jù)庫，并訓練AI認知它們的生活歷史、生態(tài)環(huán)境、行為、生理特征和地理分布情況。并成功通過該模型，發(fā)現(xiàn)了超過150種新的潛在嚙齒類動物和超過50種新的活躍型動物，可能攜帶多種病原體并傳染給人類。

由此，可以繪制出影響各種疾病的嚙齒類動物分布，以及容易被新生寄生蟲和病原體傳染的熱點地區(qū)，以便實現(xiàn)疾病的早期預(yù)警監(jiān)測。

當然，追蹤人的去向?qū)τ谝咔榉乐我埠苤匾?。但不像中國?yīng)對新冠疫情這樣，是通過大數(shù)據(jù)+AI對重點人群進行行蹤溯源預(yù)警，其他國家的AI主要還是表現(xiàn)在算法預(yù)防。

英聯(lián)邦科學與工業(yè)研究組織（CSIRO）就使用貝葉斯推理開發(fā)了Data61模型，用以追蹤將昆士蘭州登革熱病毒是如何傳播到澳大利亞，并如何在人與人之間轉(zhuǎn)移的。

借助昆士蘭州衛(wèi)生局提供的15年內(nèi)匿名記錄的登革熱病例來進行訓練，Data61可以綜合判斷多種人員流動信息，比如航空公司乘客數(shù)據(jù)、地理標記、社交媒體、旅游情況等等，從而預(yù)測可能發(fā)生疫情的時間和地點，讓醫(yī)療機構(gòu)早做準備。

據(jù)說，該模型還可以用于預(yù)測萊姆病、埃博拉和瘧疾等人畜共生的疾病。

4.智慧診療。

在中國新冠防治中，AI在診療領(lǐng)域的應(yīng)用主要是影像篩查、遠程問診等。

歐美等國家也正在將AI的計算能力應(yīng)用到類似環(huán)節(jié)。

比如早在2013年，IBM就開始與全美綜合醫(yī)院排名前四的克利夫蘭診所進行合作，研究如何利用“沃森（Watson）”人工智能系統(tǒng)提高護理水平。

去年十月，谷歌也公布了一款名為LYNA的監(jiān)測工具，能夠以99%的準確率區(qū)分出有轉(zhuǎn)移性癌癥的載玻片和無轉(zhuǎn)移性癌癥的載玻片，將乳腺癌診斷的時間縮短了一半。

倫敦的醫(yī)療 AI 公司則與 Royal College of Physicians、Stanford Primary Care 和 Yale New Haven Health 等合作，打造出能夠輔助實習醫(yī)生獨立行醫(yī)的系統(tǒng)Babylon。經(jīng)過測試，在初級護理醫(yī)學常見的病癥方面，Babylon AI 的準確率得分為80%，而七名醫(yī)生則為64-94%。而AI的安全性則達到了97%，高于醫(yī)生的平均值93.1%。

將AI用于醫(yī)療產(chǎn)業(yè)，也是日本政府的重點工作之一。實際上，日本早在2017年和2018年分別在中國杭州和廣州建立了醫(yī)學影像診斷中心。在東京江戶川區(qū)的目目澤醫(yī)院，患者只需要在掌上電腦上面做選擇題，回答“哪里痛”“痛的時間”等問題，AI系統(tǒng)就能根據(jù)患者的選擇自動生成電子病歷。這種問診方式也被日本70多個醫(yī)療單位使用。

智能服務(wù)機器人，也很早就進入了許多大型醫(yī)院。1985年，美國TRC公司研制出世界首個服務(wù)機器人“護士助手”，不僅能運送醫(yī)療器材、藥品等，還能為患者提供送飯和送病歷、報表及信件等服務(wù)，目前已在全球幾十家醫(yī)院投入使用。

盡管人與疾病的斗爭永無休止之日，但人工智能確實能夠為早日結(jié)束戰(zhàn)役注入一劑強心針。它或許未能在此次此刻的新冠疫情中，被歐美澳洲等國推到臺前。但不可否認，AI早已與人類的健康緊密相連。

AI抗疫：中外的異與同

至此，我們可以發(fā)現(xiàn)海外AI與中國AI在防疫領(lǐng)域的一些有趣的異同點：

首先可以肯定的是，中國的AI抗疫手段與全球頂尖的AI醫(yī)療幾乎站在了同一水平線。具體就體現(xiàn)在，在數(shù)據(jù)層、技術(shù)算法、產(chǎn)業(yè)應(yīng)用方面全面覆蓋。比如利用大數(shù)據(jù)追蹤重點人群，借助深度學習輔助實現(xiàn)體溫檢測、醫(yī)療診斷，通過超大計算來進行藥物研發(fā)等等。

當然，一些基礎(chǔ)積累的不同，決定了雙方的優(yōu)勢各不相同。

比如說，由于美國、日本等醫(yī)護資源匱乏，所以很早就開啟了診療數(shù)字化的進程，以幫助醫(yī)護人員提升工作效率，降低工作強度，也因此為AI輔助醫(yī)療積累了大量高質(zhì)量的數(shù)據(jù)。

比如美國的電子健康記錄系統(tǒng)（Electronic health records，EHRs），十年內(nèi)積累了1000萬名病人的記錄。其中就包括疾病診斷記錄、病人用藥效果、基因數(shù)據(jù)、家庭病史等重要信息。2011年之后，日本醫(yī)療數(shù)據(jù)也已經(jīng)全面采用電子化報送系統(tǒng)，個人可以通過網(wǎng)絡(luò)隨時查閱云端保存的各種醫(yī)療信息。

這樣患者在不同醫(yī)院就診時，數(shù)據(jù)被醫(yī)務(wù)人員共享使用，許多重復(fù)治療、檢查可以避免，自然能夠很好地提升就診效率，緩解醫(yī)療資源緊張問題。

而中國醫(yī)院體系的數(shù)字化、智能化程度相對不高，并且呈現(xiàn)出分散性、地域性，這就導(dǎo)致當研究者需要進行算法訓練、開發(fā)，以及診療交流時，往往需要打破不同醫(yī)院和地區(qū)的壁壘，才能實現(xiàn)數(shù)據(jù)交換共享，由此也限制了AI在醫(yī)療領(lǐng)域的發(fā)展。

另外，科技企業(yè)界的重度參與，為美國等AI提供了強大的技術(shù)助益。

谷歌從2015年開始，就將AI作為每個部門的戰(zhàn)略核心，尤其是在Deepmind的助推下，Google在癌癥、糖尿病、心血管疾病等疾病的預(yù)防和治療方面，創(chuàng)造了許多領(lǐng)先業(yè)界的突破。并且谷歌母公司Alphabet旗下還有多家生物科技和醫(yī)療公司，能夠協(xié)同發(fā)展。

此外，美國還有微軟、蘋果，以及多家醫(yī)療領(lǐng)域創(chuàng)業(yè)公司，也是其在一些醫(yī)療細分領(lǐng)域的AI進展較快。

日本政府的AI醫(yī)療戰(zhàn)略，也與企業(yè)達成了非常緊密的合作關(guān)系。比如從2011年開始，索尼、富士通、松下、歐姆龍、山佐、A&D、AQ、泰爾茂等公司，就推出了大批以NFC為主的居家醫(yī)療、照護產(chǎn)品，促進了家庭移動智能醫(yī)療護理系統(tǒng)的建構(gòu)。

2016年，日本Qol公司打造的健康支援藥房，也可以通過實時上傳到云端健康管理平臺的監(jiān)測數(shù)據(jù)，來為高血壓、糖尿病等常見慢性病患者提供診斷和藥品發(fā)放，來減少治療成本。

目前來看，中國醫(yī)療機構(gòu)與產(chǎn)業(yè)在數(shù)據(jù)互聯(lián)和信息共享上還沒有形成覆蓋全社會的網(wǎng)絡(luò)體系，社區(qū)級無法幫助中心醫(yī)院完成一些較為復(fù)雜的診療。各大科技企業(yè)的醫(yī)療大腦、AI體系目前還屬于推廣建設(shè)階段，滲透到更廣泛的公共醫(yī)療和病患個人終端，還需要一段時間的建設(shè)。

同時也應(yīng)該看到，移動互聯(lián)網(wǎng)、智能硬件、科技巨頭算法超市等的出現(xiàn)，讓中國基層社會在抗疫事件中，表現(xiàn)出了高效。

比如智能測溫在各大地鐵、火車站等的應(yīng)用，甚至有無人機飛行測溫；AI機器人承擔著消毒、安防、送餐等各種各樣的無接觸任務(wù)，降低感染風險；移動支付、小程序等快速解決了民眾互動、流行病學調(diào)查、機構(gòu)協(xié)作等難題。

與之相比，美國、歐洲等公共AI應(yīng)用的不到位，或許也展現(xiàn)出了其長于算法、短于基礎(chǔ)設(shè)施的弊端。

我們知道，受隱私法案的影響，歐洲許多國家禁止采集公眾信息，對人臉識別等前沿技術(shù)的使用也出臺了相關(guān)限制，并屢屢開出巨額罰單。盡管這在一定程度上保護了公眾信息安全，而對社會智能化的防范與遲緩，也使其在面對大型公共衛(wèi)生事件時，展現(xiàn)出了應(yīng)對能力薄弱、救災(zāi)過程滯后、人員有限重復(fù)勞動等問題，在防疫效率上還有很大的提升空間。

就連美國《華爾街日報》也指出，利用數(shù)字設(shè)備，能夠追蹤每名患者的具體行程，快速確定人員流動軌跡，甚至可以精確到分鐘，為防控“做了前所未有的努力”。

防疫終結(jié)站，和AI的下一站

伴隨著武漢方艙醫(yī)院全部休艙，中國內(nèi)地的新冠戰(zhàn)役也即將迎來勝利。在本文發(fā)表時，中國的醫(yī)療隊伍也帶著國際人道主義精神馳援意大利。當我們與世界共命運的時刻，或許也可以從中外不同的AI路徑中，汲取下一站的力量。

須承認，中國在AI能力上并不輸給老牌科技強國。想要比它們做得更好，還有一些值得注意的經(jīng)驗：

1.有選擇性地應(yīng)用AI，并對數(shù)據(jù)本身懷抱合理的期待。

值得一提的是，AI疾病預(yù)警并非如想象中那么有用，它就如同汽車報警器一樣，既容易觸發(fā)，也容易被忽略。一個主要的原因是，不同機構(gòu)、不同平臺的數(shù)據(jù)都可能會阻礙算法。

哈佛大學（Harvard University）流行病學家Andrew Beam表示，掃描在線報告中的關(guān)鍵詞有助于揭示趨勢，但準確性取決于數(shù)據(jù)的質(zhì)量。

比如谷歌就高估了AI對流感的流行程度，偏差超出了實際值的50%。最后在2015年關(guān)閉了該網(wǎng)站，并將其技術(shù)交給了HealthMap等非營利組織。

2.將AI巨頭與流行病科研的合作常規(guī)化。

現(xiàn)階段，產(chǎn)業(yè)界與醫(yī)學界的合作幾乎是不可避免的。一方面，產(chǎn)業(yè)界掌握著絕大多數(shù)寶貴的數(shù)據(jù)，以及高昂的算力資源。但同時，醫(yī)療領(lǐng)域又離不開專家對細節(jié)和方向的把握。強強聯(lián)合就成了唯一的路徑。

加州大學圣地亞哥分校完成的對抗流感病毒的新療法中所涉及的分子模擬實驗，就國家超級計算應(yīng)用中心（NCSA）的petascale Blue Waters系統(tǒng)，這也是當時最大、功能最強大的超級計算機之一，藍水公司給予了很大支持。

在此次新冠抗疫中，中國諸多領(lǐng)先科技巨頭對病毒測序、疫苗研發(fā)等開放了算法、數(shù)據(jù)集、計算中心等，也是AI與醫(yī)療的優(yōu)秀合體方式，將這樣的合作常規(guī)化，才能讓技術(shù)的力量持續(xù)為醫(yī)學助攻。

3.加速數(shù)字醫(yī)療基礎(chǔ)設(shè)施建設(shè)，提升醫(yī)療機構(gòu)診療效率。

一方面，中國醫(yī)療產(chǎn)業(yè)面臨著美國、瑞士、日本等類似的問題，醫(yī)護人員缺口正在變大，老齡化加劇，醫(yī)療服務(wù)的需求有增無減，提高機構(gòu)效率將成為未來產(chǎn)業(yè)升級的重點。

而想要讓AI承擔醫(yī)生的重復(fù)性工作，就需要精準算法的積累和海量的數(shù)據(jù)支撐。但目前醫(yī)院之間的各自分野使得AI企業(yè)在進行機器學習訓練時，往往需要跟各個醫(yī)院單獨溝通。除了數(shù)據(jù)獲取難之外，如果算法訓練只局限于某一特定區(qū)域，由此生成的模型在更廣的范圍使用時，也可能不完全適用，造成浪費。

如果能以省為單位建立龐大、具有公信力的數(shù)據(jù)中心，將會對AI醫(yī)療起到巨大的加速作用。

此外，鼓勵智能醫(yī)療領(lǐng)域的初創(chuàng)公司，也對一些細分領(lǐng)域，如醫(yī)療影像、醫(yī)院管理、藥物挖掘等，讓創(chuàng)業(yè)團隊充分發(fā)揮自己的特長和優(yōu)勢，提供更加垂直、精準、到位的服務(wù)。

4.盡早建立數(shù)據(jù)采集、智慧診療的相關(guān)法律法規(guī)。

當然，上述行為須建立在合法合規(guī)、保障個人健康隱私安全的基礎(chǔ)上。2018年，《信息安全技術(shù)個人信息安全規(guī)范》中提出了保護個人信息安全應(yīng)遵循的原則，但缺少針對醫(yī)療隱私保護的詳細法律法規(guī)。而涉及到病人數(shù)據(jù)這類高保密級別數(shù)據(jù)，就對隱私保護、系統(tǒng)安全提出了更高的要求。

同時，AI診療、AI手術(shù)等新技術(shù)，一旦出現(xiàn)醫(yī)療事故由誰承擔責任等倫理問題，也伴隨著臨床智能化而日漸引起重視。

今天， AI的名字已經(jīng)被刻上了中國防疫的功勛簿。也許它還會出現(xiàn)在其他國家的防疫工具名單上，也許不會。但我們知道，種植出AI的抗體，一定能讓自己變得更加茁壯。