李开复《连线》杂志专栏：新冠大流行将加速医疗AI革新

（原标题：李开复《连线》杂志专栏：新冠大流行将加速医疗AI革新）

2020年元旦前夜，一家位于加拿大多伦多市的人工智能（AI）企业BlueDot捕捉到一些异常：中国武汉市海鲜市场周边出现多起罕见肺炎病例，BlueDot迅即反应，运用自然语言处理、机器学习等技术，结合大数据和定位追踪，迅速向合作的政府部门和公共卫生机构客户传送警报并报告扩散状况。

BlueDot所监测到的异状，正是数月后撼动全球的新型冠状病毒肺炎（Covid-19），这比世界卫生组织首度公开警示新冠病毒的时间还要早上9天。

BlueDot的AI平台示范了人工智能技术对重大疫情能起到早期预警的功用，过去几个月里，AI在这场全球抗疫战的许多方面发挥了独特作用：从疫情预测到筛检，从接触警示到快速诊断，从前线无人配送到实验室药物研发，人工智能助力防疫派上了不少用场，为特定场景应用赋能。

随着疫情在全球蔓延，AI技术的创新应用也在各地相继落地。在韩国，基于地理位置的信息传递已经成为控制病毒传播的重要工具，当人们靠近确诊病例时，就会收到基于位置的紧急信息提醒。在中国，阿里巴巴推出的AI算法能够在20秒内诊断出疑似病例（比人类检测快了近60倍），准确率高达96%。无人配送车辆很快被投入到人类难以承受的场景，代替人类执行高传染风险的运输任务。湖北、广东等省份的多家医院相继使用机器人为病人或被隔离家庭运送食物、药品和物资。而在美国加州，计算机科学家正在研发能远程检测独居老人健康情况的系统，一旦老人出现身体异常症状，系统就会发出即时警报。

不过，目前人工智能在公共健康体系的应用仍显零散也未成体系。坦率说，过去四个月内，AI在抗疫之战中的表现并不十分突出，我最多只能给它打分“B-”。新冠大流行暴露了我们的医疗系统的脆弱性：预警响应不充分、通报信息不精确、医疗物资分配不均、医务人员超负疲惫、医院病床紧绷、疫苗研发周期长等诸多痛点。当然，AI的零散表现也有客观原因：医疗体系可说是现代社会各类运转体系中最为复杂、陈旧不堪且难以变通的体系；且在新冠疫情袭来之前，我们并没有真正意识到医疗体系问题的紧迫性，没有提前采取相应的技术预防措施；最为关键的是，我们缺少建构AI解决方案所需的大数据。

把目光投向未来，我看到以下两个AI赋能医疗的乐观因素。

首先，作为AI燃料的医疗大数据已被激活。举例来说，机器学习数据科学平台Kaggle组建了新冠病毒开放研究数据集，名为CORD-19。它将相关数据进行汇编，并把最新研究集中收录，汇总的格式可被机器读取和解析，以便于AI进行机器学习。至今这个数据集收录了12.8万篇包含Covid-19、冠状病毒、SARS（非典型肺炎）、MERS（中东呼吸综合症）等关联术语的医学专业学术文章。

其次，眼下全世界的医学专家和计算机科学家都将精力集中在解决疫情问题。X大奖基金会创始人彼得·戴曼迪斯（Peter Diamandis）估计，全球现在有多达2亿名的医师、科学家、护士、技术专家和工程师投入防治冠状病毒的相关研发中，他们正在进行数以万计的实验，并以“前所未有的透明度和速度”共享信息。

3月16日Kaggle发起“新冠病毒研究挑战”，汇集与疫情相关的大量信息，包括病毒的自然历史、传播和诊断方法、以及从过往流行病学研究中汲取的经验教训，帮助全球各地卫生机构及时掌握最新情况，以做出基于数据的分析决策。该项目发布后的五天内被浏览超过50万次，下载量逾1.8万次。在国内疫情爆发后不到一个月，阿里巴巴便推出了一种AI算法，该算法基于5000多个新冠肺炎确诊病例进行训练，并关联到治疗后续诸如肺部白色阴影缩小等的成效追踪。随后，阿里巴巴将其云端AI平台向全球医疗专业人员开源，与合作伙伴联手部署更大批量的匿名数据，推出包括疫情预测、CT影像分析、冠状病毒基因组测序等模块。

据估计，现今全球医疗数据的规模每隔几个月就翻一倍。2019年一份覆盖19个国家AI医疗市场的研究估计，AI医疗市场的年复合增长率为41.7%，从2018年的13亿美元将增长至2025年的130亿美元，主要分布在六大领域：医院工作流程、可穿戴设备、医学影像和诊断、诊疗计划、虚拟助手、以及最重要的药物研发，新冠疫情期间浮现的种种需求，将加速AI赋能医疗的场景落地。

在后疫情时代，我期待AI将加速融入医疗体系，赋能并推动医疗改革。其中深度学习（Deep Learning），即以一种高效方法运算海量、多维数据的能力，是AI结合医疗最为可期的机遇之一。深度神经网络（Deep Neural Networks）作为AI的一个子领域，已经被用于医学扫描、病理切片、眼科检查甚至结肠镜检查，以得出准确而快速的算法判读。十几年后，不少国家和地区的医疗体验在AI赋能的作用下将发生根本性改变。

AI赋能医疗，首先能简化及优化现有的医疗流程，例如医院的作业流程，保险履约的繁复流程。将AI与RPA（Robotic Process Automation机器人流程自动化）结合，可对某项工作流程进行智能拆解及优化，进而大大提高医疗系统的运营效率，预约看诊、保险理赔及其他流程性工作都会得到效率提升。AI还能加快早期诊断信息的收录并实现自动化，AI技术所能处理的文本、语言、数字的体量，无论在数量上还是精度上都是机器级别，远非人类所及。

有了充分的医疗大数据作为基础，AI还能为每个人或者每个群体建立健康数据基准量表。当我们掌握个体健康数据，就可以根据跟踪动态数据的波动变化，进行数据驱动的诊断，并对潜在大流行疾病的征兆进行早期追踪研判。然而，再先进的技术系统要做到真正有效，势必需要与既存的公共卫生警示和汇报机制形成高效链接，此类信息断层即是新冠疫情在早期爆发期间存在的具体缺失。

再上一个层次的AI赋能体现在助力新药研发、基因组测序、干细胞、CRISPR（基因编辑）等医学突破方面， AI模型和算法应用都有其用武之地。在制药行业，研发一种新药往往需要付出高昂的投入，某次成功前必有多次付诸流水的失败试验，也连带消耗巨大的时间和金钱成本。现在，科学家们可使用AI机器学习来模拟上千个变量，测试它们的复合效应会对人类细胞反应产生何种影响，这类AI新药研发的技术已被用于新冠病毒疫苗和其他疗法。创新工场所投资总部位于香港的AI药物研发公司Insilico Medicine是首批对新冠病毒快速响应的企业之一，这家公司利用生成式化学AI平台设计出新药物小分子，以复制主要病毒蛋白为靶标，早在2月5日便公布了这些小分子结构。AI为新药发明开辟了一个新时代，用人工智能技术来换取药品研发周期的时间和成本，整个制药行业势将迎来翻天覆地的变革。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!