QQ在線
企業(yè)微信
資訊
464通信世界網(wǎng)消息（CWW）疫情來襲，社會(huì)各界紛紛采用人工智能（AI）技術(shù)提升疫情治理及物資管理能力，提高疫情診斷及防控水平，業(yè)界涌現(xiàn)出一批優(yōu)秀應(yīng)用案例。但可以看到，在本次疫情防控中，AI主要聚焦于公眾及醫(yī)療信息的收集處理建模以及自然語言處理等應(yīng)用，由于技術(shù)本身仍不完備，相關(guān)數(shù)據(jù)采集能力建設(shè)滯后，仍有很大的提升空間，各界抗擊疫情積累的一線經(jīng)驗(yàn)將沉淀為實(shí)際需求，對(duì)后續(xù)AI發(fā)展產(chǎn)生深刻影響。
portant;"> AI賦能，抗疫產(chǎn)品服務(wù)涌現(xiàn)
AI賦能，使得疫情管控能力不斷提升。得益于以深度學(xué)習(xí)為代表的AI技術(shù)對(duì)于海量非結(jié)構(gòu)化數(shù)據(jù)的端到端建模能力，以及在自然語言處理等感知應(yīng)用方面取得的長足進(jìn)步，服務(wù)于疫情管控的平臺(tái)服務(wù)層出不窮。
首先，采用AI及大數(shù)據(jù)工具打造的追蹤及查詢平臺(tái)能夠智能整合匹配患者信息、交通信息、地理信息、醫(yī)用物資信息等多維度數(shù)據(jù)，對(duì)整體人流遷移情況、交通疾控管制、同行人群搜索、物資需求對(duì)接等多項(xiàng)功能提供可視化展示及搜索工具，完成對(duì)患者及接觸者跟蹤及智能匹配分析等任務(wù)，實(shí)現(xiàn)了醫(yī)用物資高效對(duì)接，極大提升了疫情管控效率；其次，基于自然語言處理技術(shù)的智能信息服務(wù)平臺(tái)能夠完成包括疫情知識(shí)宣貫、疫情進(jìn)展通報(bào)、智能對(duì)話查詢、智能外呼尋訪等在內(nèi)的個(gè)性化信息采集及交互任務(wù)，減少了信息宣貫及采集人員流動(dòng)接觸帶來的感染風(fēng)險(xiǎn)，有效節(jié)約了人力、物力，同時(shí)提升了信息采集效率。
AI助力，使得診療技術(shù)手段不斷豐富。在本次疫情防控“戰(zhàn)役”中，AI技術(shù)在問診導(dǎo)診、病毒檢測、輔助診斷、基因分析及數(shù)據(jù)預(yù)測方面也發(fā)揮了重要作用，業(yè)界涌現(xiàn)出一批優(yōu)秀應(yīng)用案例。
針對(duì)廣大公眾群體的需求，各大科技公司紛紛推出線上咨詢及問診服務(wù)，通過智能語音客服、遠(yuǎn)程線上預(yù)診等方式實(shí)現(xiàn)了對(duì)于疫情病情的初篩，提供高效的多人體溫檢測及人體識(shí)別系統(tǒng)。通過AI技術(shù)輔助，在各類公共場所高密度人員流動(dòng)場景下的工作人員快速定位體溫異常者，實(shí)現(xiàn)非接觸密集型人流AI輔助溫感解決方案，同時(shí)能夠?qū)Ⅲw溫檢測結(jié)果與人員身份進(jìn)行有效綁定。
針對(duì)醫(yī)患群體的需求，科技公司在病毒檢測、輔助診療、藥物研發(fā)等領(lǐng)域提供了高效工具：借助計(jì)算機(jī)視覺技術(shù)的醫(yī)療影像輔助診斷系統(tǒng)，能夠?qū)Ψ尾緾T進(jìn)行更為快速的判斷，AI工具賦能基因分析可將原來數(shù)小時(shí)的疑似病例基因分析縮短至半小時(shí)，大幅縮短確診時(shí)間，并能精準(zhǔn)檢測出病毒變異情況；AI模型的數(shù)據(jù)預(yù)測能力也得到充分發(fā)揮，對(duì)于新型冠狀病毒RNA二級(jí)結(jié)構(gòu)的預(yù)測時(shí)間從55分鐘縮短至27秒；醫(yī)療導(dǎo)診、智能遞送、測溫等機(jī)器人等也開始在疫情定點(diǎn)醫(yī)院展開服務(wù)，減少了接觸傳染概率。
portant;"> AI技術(shù)賦能關(guān)鍵問題分析
盡管AI技術(shù)應(yīng)用在醫(yī)療領(lǐng)域已有一定基礎(chǔ)，但依然存在著技術(shù)自身短板及能力建設(shè)滯后等關(guān)鍵問題，制約了AI技術(shù)在疫情防御方面發(fā)揮更大的作用。
第一是AI的不可解釋性無法有效融入流行病學(xué)體系。流行病學(xué)體系中關(guān)于生物研究及醫(yī)藥學(xué)科研發(fā)需要對(duì)于數(shù)據(jù)內(nèi)在關(guān)聯(lián)因素有詳盡的論證，疫苗制造、藥物研發(fā)等需要嚴(yán)謹(jǐn)?shù)目茖W(xué)研究，盡管AI模型能夠快速實(shí)現(xiàn)數(shù)據(jù)內(nèi)在關(guān)系的建模挖掘，但尚不能解釋其因果及相關(guān)性原因，因此依靠AI算法對(duì)流行病進(jìn)行建模還需進(jìn)行可解釋性的理論攻關(guān)。
第二是AI對(duì)于多維數(shù)據(jù)的處理能力不足，體系化的綜合解決方案賦能尚需時(shí)日。當(dāng)前AI模型輸入對(duì)于數(shù)據(jù)要求高，需要數(shù)據(jù)清洗對(duì)齊等大量前期工作。而各信息通信系統(tǒng)采集數(shù)據(jù)規(guī)則不同、格式各異，盡管各個(gè)維度數(shù)據(jù)統(tǒng)計(jì)覆蓋相對(duì)完備，但仍然無法在短時(shí)間內(nèi)成為AI系統(tǒng)的有效輸入，導(dǎo)致了大量關(guān)鍵數(shù)據(jù)重復(fù)收集處理的資源浪費(fèi)。
第三是數(shù)據(jù)采集及整合能力建設(shè)滯后，制約了AI融合進(jìn)程。在疫情數(shù)據(jù)采集中，個(gè)人出行信息、生物特征信息、病情病理信息等數(shù)據(jù)的采集分析對(duì)于打贏抗疫“戰(zhàn)役”至關(guān)重要，而由于相關(guān)數(shù)字化信息采集及整合能力匱乏，建設(shè)及采集主體分散，疫情治理所需的相關(guān)基站數(shù)據(jù)（運(yùn)營商采集處理）、支付數(shù)據(jù)（銀聯(lián)及第三方支付機(jī)構(gòu)采集處理）、出行數(shù)據(jù)（鐵路公司和航空公司及酒店等信息系統(tǒng)采集處理）、城市攝像頭及戶口等行政數(shù)據(jù)（公安部門采集處理）的采集能力仍然相對(duì)欠缺，同時(shí)尚未形成有效的數(shù)據(jù)規(guī)范體系，直接制約了AI在疫情防控治理中的融合高效應(yīng)用。
第四是技術(shù)供給和需求側(cè)對(duì)接仍然存在人員及系統(tǒng)融合問題。由于疫情防控領(lǐng)域門檻較高，需要技術(shù)供給方對(duì)于相關(guān)防疫理論及操作流程有深刻理解，而當(dāng)前技術(shù)提供方跨領(lǐng)域人才稀缺，無法有效滿足需求側(cè)實(shí)際需求。同時(shí)，醫(yī)用信息化系統(tǒng)與AI系統(tǒng)的融合尚處初期階段，新老系統(tǒng)遷移融合進(jìn)度滯后影響了供給側(cè)和需求側(cè)的有效銜接。
