鉴于本周蔓延至美国的冠状病毒死亡人数不断上升，并被世界卫生组织（ WHO ）宣布为健康紧急事件，
值得关注的是 AI 在遏制其他疾病传播方面的作用。算法不仅为更好的干预和预防策略提供了信息，还帮助优化了资源配置，以抗击感染的蔓延。算法甚至在引起人类病理学家的注意之前就检测到了爆发的初步迹象。在2014年的一项研究中，研究人员使用统计模型评估了英国 HIV 的检测和治疗，并找到了那些没有意识到自己的疾病状况的人。研究小组发现，即使艾滋病毒感染者没有行为改变，他们的治疗方法也可以将新感染的人数减少5%。
2016年，由乔治亚大学、梅西大学和加利福尼亚大学的一个团队开发的人工智能被用来预测丝虫病毒的传播，丝虫病毒通常会感染蝙蝠，但也可以传播给人类。（埃博拉和马尔堡是两个最常见的菌株。）一个模型使用了57个不同的因素——从生命历史和生态学到生物传记性因素——预测了哪种类型的蝙蝠可能以87%的准确度存在病毒。
2017年的后续研究利用了模型，根据现有预算来扩展丙型肝炎病毒（ HCV ）的预防工作。有了10亿美元的预算，研究人员发现，公共卫生资金的最佳使用将是完全集中于治疗（重点是早期治疗）。但如果预算是50亿美元，那么最好将60%的预算用于筛查，其余的用于治疗，在第三年将筛查拨款减少到20%。
同样在2017年， Saw Swe Hock 公共卫生学院和新加坡国家环境局环境卫生研究所的科学家们开发了一种预测登革热爆发的算法，同时考虑了十年的历史气候信息和季节性登革热模式，以预测最多提前四个月爆发。不久之后，启动年 Aime 开始提供一个工具，以声称84%的准确性预测登革热爆发的地点和时间， Ehime 大学的研究人员设计了一个模型，用降雨和温度数据在马尼拉预测登革热病例。
2018年，南卡罗莱纳大学的科学家们开发了一种算法，帮助机构更具成本效益地调整其外联活动。使用印度结核病预防和美国淋病预防的实际数据进行了测试，结果表明，如果采用该模型而不是目前的策略，该模型可以预防8000例结核病和20000例淋病。
尽管人工智能有望成为全球健康流行病的规划工具，但重要的是要记住，没有预测疾病的算法可以避免所有预测模型面临的陷阱。
谷歌臭名昭著的流感趋势网站“流感趋势”( Flu Trends )在2008年推出，为超过25个国家的流感活动提供评估。该网站对数百万用户的健康跟踪行为进行了监控，以揭示这些人群是否患有类似流感的疾病。虽然这些估计与卫生机构的监测数据基本一致，但研究人员发现，由于新闻中流感报道的重要性，搜索次数的增加扭曲了结果，而且流感趋势汇总查询健康状况的方式可能夸大了预测的比率。（ IBM 的 The Weather Company 在 Weather 频道移动应用程序中提供了一个类似的流感预测工具，由其 Watson AI 平台提供支持，但它可能明智地将预测窗口限制在15天。）
为了克服这种失真，一些公司正在开发新的方法来消除系统中的偏差并验证准确性。
Metabiosa 的平台根据疾病的症状、死亡率和治疗的可得性等信息来估计疾病传播的风险，目前正与美国情报部门和国防部合作解决与冠状病毒有关的问题 。对于竞争对手 BlueDot 的系统，它使用经过战斗测试的自然语言处理和机器学习算法，通过分析每天大约100,000篇65种语言的文章，计算旅行路线信息和飞行路径，以及关于一个地区的气候、温度以及当地的牲畜。
不管是否被证实，开发能够追踪疾病传播的自动化系统的努力只会在未来几年内加速。据 BCC Research 的分析师预测，到2023年，数字病理学和流行病学市场预计将达到102亿美元（高于2018年的48亿美元），这主要是由计算可扩展性和特征工程模型的创新推动的。
本文由未艾信息（www.weainfo.net）编译，
想看更多译文，欢迎大家点击上面的链接进行查看~
閱讀更多 為AI吶喊 的文章
