人工智能能比人類更快地發現傳染疾病爆發嗎?

作者:佚名 來源:生物穀 日期:20-02-27

        人工智能係統在警告世界中國爆發嚴重冠狀病毒疫情方麵是否擊敗了人類醫生?從狹義上說,是的。但是盡管人類在速度上所欠缺的,在技巧上是可以彌補的。

        疾病暴發的早期預警可以幫助人民和政府拯救生命。在2019年的最後幾天,波士頓的一個人工智能係統發出了關於中國新病毒爆發的第一個全球警報。但是,需要人類的智慧來認識到疫情的重要性,然後喚醒公共衛生界的反應。

        更重要的是,在人工智能係統之後半小時,人類也會發出類似的警報。

        目前,人工智能疾病預警係統仍然類似於汽車報警器--很容易觸發,有時會被忽略。一個由醫學專家和偵探組成的網絡仍然必須努力工作,從謠言中篩選出更完整的情況。很難說未來的人工智能係統,以更大的疫情數據集為動力,能夠完成什麼。

        12月30日,波士頓兒童醫院(Boston Children's Hospital)的自動健康地圖係統發布了中國境外首次有關這種新型冠狀病毒的公共警報。當地時間晚上11點12分,"健康地圖"發布了武漢不明肺炎病例警報。該係統通過掃描在線新聞和社交媒體報道,將預警的嚴重程度分為5級,但這次預警僅為3級。"健康地圖"的研究人員花了幾天時間才認識到它的重要性。

        在"健康地圖"通知發布的四個小時前,紐約流行病學家Marjorie Pollack在閱讀了當天晚上收到的一封私人電子郵件後,受到越來越強烈的恐懼感的刺激,已經開始著手處理自己的公共警報。

        她在中國社交媒體論壇Pincong上看到一個在互聯網上流傳的帖子,該帖子討論了武漢衛生局的一份通知,部分內容是:"不明原因的肺炎??"

        Pollack是由誌願者領導的新發疾病監測項目ProMed的副主編。ProMed更詳細的報告是在簡明健康地圖警報發布後30分鍾發布的。

        通過掃描社交媒體、在線新聞文章和政府報告,尋找傳染病爆發跡象的早期預警係統,有助於向世界衛生組織(World Health organization)等全球機構提供信息--這讓國際專家在當地官僚障礙和語言障礙可能出現的情況下占得先機。

        有些係統,包括ProMed,依賴於人類的專業知識。其他的部分或完全自動化。它們通常是互補的,而不是相互競爭--healthmap與ProMed交織在一起,幫助ProMed運行其在線基礎設施。

        "這些工具可以幫助政府機構避免陷入困境,"波士頓兒童醫院(Boston Children's Hospital)負責健康地圖係統的首席創新官John Brownstein說。"它迫使人們變得更加開放。"

        2019年的最後48小時是了解這種新病毒及其重要性的關鍵時刻。12月30日早些時候,武漢中心醫院的醫生李文亮在一個社交媒體群警告他以前的同學,表示發現了這種病毒。幾個小時後,當地政府傳喚李文亮接受詢問。

        李於2月7日因感染病毒而去世。他對《紐約時報》說,如果官員們早一點披露有關疫情的信息,情況會更好。"應該更加開放和透明,"他說。

        已證實的報告常常被納入其他暴發預警係統。包括WHO、加拿大政府和多倫多初創公司BlueDot運營的項目。WHO還彙集了來自HealthMap和其他來源的數據。

        掃描在線報告以獲取疾病暴發信息的計算機係統依賴於自然語言處理,這是人工智能的同一分支,幫助回答搜索引擎或數字語音助手提出的問題。

        但位於舊金山的疾病監測公司Metabiota的首席執行長Nita Madhav說,這些算法的有效性取決於它們所過濾的數據。

        Madhav說,不同機構報告醫療數據的方式不一致可能會阻礙算法。文本掃描程序從在線文本中提取關鍵字,但是當組織在給定的時間間隔內報告不同的新病毒病例、累積病毒病例或新病例時,可能會出錯。潛在的混亂意味著幾乎總是有一個人參與審查數據。

        哈佛大學(Harvard University)流行病學家Andrew Beam表示,掃描在線報告中的關鍵詞有助於揭示趨勢,但準確性取決於數據的質量。他還指出,這些技術並不新穎。

        "智能抓取網站是一門藝術," Beam說。"但它也是穀歌自上世紀90年代以來的核心技術。"

        穀歌自己在2008年就開始了自己的流感趨勢服務,通過搜索流感症狀的模式來發現流感爆發。專家批評它高估了流感的流行。穀歌於2015年關閉了該網站,並將其技術交給了HealthMap等非營利組織,讓它們使用穀歌的數據建立自己的模型。

        穀歌現在正與Brownstein的團隊合作,研究一種類似的基於網絡的方法來跟蹤蜱傳萊姆病的地理傳播。

        科學家們還利用大數據來模擬可能的早期疾病傳播途徑。

        1月初,多倫多總醫院(Toronto General Hospital)的傳染病醫生、研究員Isaac Bogoch與BlueDot創始人Kamran Khan分析了商業航班數據,以確定中國大陸以外哪些城市與武漢的聯係最為密切。

        武漢在1月下旬停止了境外商業航空旅行,但據武漢市長後來告訴記者,在此之前已經有大約500萬人離開了這座城市。

        "我們發現,從武漢飛往泰國、日本和香港的航班數量最多,"Bogoch說。"你瞧,幾天後,我們開始看到這些地方出現病例。"

        2016年,研究人員使用了類似的方法來預測寨卡病毒從巴西傳播到佛羅裏達州南部。

        Bogoch說,現在許多政府已經采取了積極的措施來遏製疾病傳播,因此很難建立算法來預測接下來會發生什麼。

關鍵字:人工智能,傳染疾

分享到:
新浪微博 微信 騰訊微博 更多
更多評論
//站內統計 //百度統計 //穀歌統計 //站長統計