102年前，当那场席卷全球的西班牙大流感爆发时，人类还处于第二次工业革命的末期，当时抵抗病毒，只能靠专业的“人”。
102年后的今天，在对抗COVID-19疫情的战争中，除了专业的人，更智能的专业帮手被发明。人类开始“规模化”使用最新的AI技术（Artificial Intelligence,人工智能），在世界各地迅速部署，以快速应对疫情扩散。
从人流密集处的AI测温系统，到AI电话和无接触快递机器人，AI代替了人力，一定程度地降低了人群感染风险，缓解了人力资源的紧缺，大幅度提高了效率。
与此同时，基于算法和深度学习模型的AI技术在此次疫情下还在药物筛选、疾病风险预测和辅助诊断等方面发挥了积极作用。
Photo by Hitesh Choudhary on Unsplash
01 / AI 预测是否感染新冠
5月11日，伦敦国王学院、马萨诸塞州总医院和ZOE健康科学公司的研究人员在《自然-医学》杂志发表文章，介绍他们开发出的一种AI智能诊断应用程序，该程序可以根据某人的症状预测他是否可能感染新冠病毒。
该程序的AI模型使用新冠肺炎症状研究软件中的数据，通过比较用户的症状和传统新冠测试的结果来预测用户是否感染。研究人员表示，这可能会帮助到那些难以得到检测的人群。
目前，全球有超过330万人下载了该软件，并每天使用软件记录健康状况，无论是否感觉良好或有任何新的症状，例如持续咳嗽、发烧、疲劳以及味觉或嗅觉丧失。
新冠期间，算法类应用被广泛开发使用 。Photo by Przemyslaw Marczynski on Unsplash
研究者调查了与COVID-19检测呈阳性最相关的症状，和流感/感冒相比，新冠病毒引起的症状更加广泛，其中味觉和嗅觉的丧失尤为严重。
在已接受检测的软件用户中，有三分之二检测呈阳性的患者和五分之一检测呈阴性的患者都记录了这一症状。
之后，研究人员创建了数学模型，可以根据其年龄、性别、和四个主要症状的组合来预测用户是否感染，并能达到80%的准确率。
这将AI预测与高频使用的应用程序相结合，能在人们最早开始出现症状后立即识别出可能具有传染性的个体，并能重点跟踪。
在国内，腾讯也在4月向全球开源具有相似功能的“新冠肺炎AI自查助手”，患者还能与智能助手进行对话，根据新冠肺炎流行病学接触史、发病症状、发病性质、基础疾病史等信息，参照权威医学指南判断感染新冠肺炎的可能性大小，获得对应的就诊或者隔离建议。
民众还可以获得分析报告，便于进一步向向医生求助时说明情况。
02 /AI助力CT影像技术
疫情的爆发，让AI+CT影像技术全面登上舞台。
基于大量新冠肺炎CT的影像数据，阿里达摩院、商汤科技、依图科技、华为云等多家AI企业推出了新冠肺炎辅助诊断系统，并且根据患者不断变化的肺部特点研发了算法模型、学习了样本的病灶纹理，能在短时间内完成影像判读、对疑似病例进行快速筛查、分级预警，为放射科医生提供智能分析。
Photo by Fusion Medical Animation on Unsplash
4月25日，澳门科技大学医学院张康教授携手中国科学院、国家生物资讯中心、清华大学、中山大学孙逸仙纪念医院、广州再生医学与健康广东省实验室等机构的科研团队在国际顶级学术期刊《细胞》发表其研究成果预校样，名为“应用计算机断层成像技术对COVID-19肺炎进行精确诊断、定量测量和预后诊断的临床应用AI系统”。
该系统基于4154名患者总计五十多万份临床影像学大数据分析，运用深度学习、迁移学习、语义分割等多种AI前沿技术，开发了基于胸部CT和X-ray的新冠肺炎AI辅助诊断系统。
不同于传统的端到端的深度学习模型，这套诊断系统融合了两步不同的模型，第一步是基于语义分割的“肺部病灶”模型，其次是基于生成的肺-病灶图谱，将病人的整个CT （大约100~300张切片）作为输入，进一步构建智能诊断模型。
另外值得关注的是，该研究的AI系统还识别了与新冠肺炎病变特性相关的重要临床标志物。
03 / AI治疗和筛选药物
在意大利3月底的一项试点研究中，12名新冠中度患者每天接受类风湿关节炎药物巴雷替尼（baricitinib）以及抗艾滋病毒复方制剂洛匹那韦和利托那韦（lopinavir & ritonavir）的治疗，疗程为两周。另一个12人的研究组只接受洛匹那韦和利托那韦的治疗。两周后，接受巴雷替尼的患者基本康复，无咳嗽、发烧、喘不上气的症状，且12人中有7人出院。相比之下，另一组患者的体温仍较高，9人仍咳嗽，8人有呼吸急促的症状，仅1人出院。
这项研究有非常严重的缺陷，即缺乏对照组、研究对象数量少以及开放实验的设计，这意味着医生和病人都知道他们治疗的过程。但抛开这点来看，这项实验能够进行得益于一家总部位于英国的人工智能公司BenevolentAI。该公司的研究人员贾斯汀·斯特宾（Justin Stebbing）于2月4日发表了一封致《柳叶刀》的信 ，描述了他们如何使用AI寻找治疗COVID-19的方法。
斯特宾说：“AI能针对数据以更高效的方式搭建更高阶的关联性，这是人类哪怕花费所有时间与精力都无法做到的。”当下疫情快速蔓延之时，AI能让研究工作快速推进，这点至关重要。
BenevolentAI的药理学副总裁Peter Richardson说，他只花了一个下午的时间，就使用公司的知识图谱（一个巨大的数字生物医学信息）和由AI推断、增强的信息关联，成功确定了两个蛋白质靶点，即AP2相关的蛋白激酶1 (AAK1)和细胞周期蛋白G相关激酶(GAK)。
这些激酶能介导细胞胞吞作用（细胞吞噬病毒等物质的过程），如果遭到破坏，可能会使SARS-CoV-2病毒更难进入人类细胞。研究人员确定了这些靶标后，便使用另一种算法来寻找可以达到蛋白质靶标的现有药物。短短几天，在删除未经批准的药物后，团队成功将清单缩减至约30种，并筛选出少数跟靶标具有最高亲和力的药物。现在，BenevolentAI是少数利用AI寻找已经得到监管者批准、可以重制用以治疗新冠病毒药物的小组。
04 / AI 的学习之路
需要明确的是，虽然目前的AI能够切实协助医疗行业提升诊断效率和服务质量，仍存在众多限制和困难，例如：
1、回收的数据质量层次不齐，很难有高质量、统一标准的学习训练数据；
2、准确的分析和预测模型需要更完整的数据，但收集疾病各个因素的数据往往很困难，包括流行周期、传播途径、传染率等；
3、方法和模型过渡到临床使用的复杂性，比如药物效用、安全性和通过审批的概率等等。
