研究人員已經開始將機器學習技術應用於各種社交媒體，以發現新冠肺炎可能正在中國以外的其他國家傳播的微妙跡象。
具體來說，該研究團隊通過機器學習從來自社交媒體、新聞報道，以及官方渠道等方面的數據中梳理出信息，然後從醫學的角度給予警告。比如，他們會在有疑似病例的地區中尋找提及呼吸道疾病和發燒等症狀的社交帖子。
John Brownstein 是該研究團隊的一份子，同時也是哈佛醫學院的首席創新官。他說：
我們正在美國進行監視工作。如果當局要分配資源並有效阻止疫情蔓延，那麼就要知道病毒可能正在哪些地區傳播。因此，我們試圖從人們“口中”瞭解到正在發生的事情。
儘管根據世界衛生組織的官方數據，最近新冠病毒感染率有所下降，而且，相比起來，在中國之外的新冠肺炎確診病例少之又少；不過，國際社會對病毒的傳播仍充滿擔憂，因為目前尚不清楚病毒的傳播是否真的得到了緩解，也有可能是新的感染正在變得難以追蹤——對此，AI 能夠派上用場。
相比起 SARS 期間，本次的新冠病毒有了更多可追蹤的資源，比如社交平臺和大數據。但是，要在大量的實為普通感冒和流感症狀的猜測中，以及海量的謠言中找到新冠病毒感染的跡象是一個巨大的挑戰。因此，John Brownstein 團隊對模型進行重新訓練，以分辨出不同的術語和症狀。
目前，John Brownstein 團隊的機器學習模型已被證明能夠在大數據中找到疑似新冠病毒感染的病人。除此之外，該模型還可以幫助專家瞭解病毒的行為，可以更快地定位到存在風險的人群和地區。
東北大學教授 Alessandro Vespignani 致力於研究大型人群的傳染病建模。他表示，即使使用目前最先進的 AI 工具，從社交媒體上識別出新冠病毒的潛在新病例也不是一件簡單的事，因為人們還未完全悉知其特徵，也沒有相關的歷史數據；不過可以明確的是，將 AI 和其它技術結合起來“可能非常強大”。
John Brownstein 團隊一方面通過 AI 模型從社交媒體和大數據中定位可能感染新冠病毒的人，另一方面正在與位於波士頓的 Buoy 公司進行合作，這家公司通過門戶網站為美國數百萬人提供健康建議。也就是說，Buoy 公司負責收集懷疑自己已經感染新冠病毒的用戶的信息，併為用戶提供相關的建議，然後將這些數據提供給 John Brownstein 團隊。
實際上，AI 在本次於武漢爆發的新冠肺炎疫情中的貢獻不止於此。早在 2019 年 12 月 31 日，加拿大健康監測公司 BlueDot 就已經通過 AI 技術檢測到了風險，並向外界發出警告，避開武漢等危險區域。
BlueDot 創始人兼首席執行官 Kamran Khan 說：
我們知道不能依賴政府於政府，因為疫情爆發迅速，而政府的信息有滯後性。因此，我們可以從新聞、論壇等平臺收集一些可能有關的信息，這樣能夠更快地知道某時某地正在發生什麼。
不過，Kamran Khan 也認為社交媒體的信息冗多雜亂，追蹤全球範圍內的機票數據是一個不錯的方式。
儘管各國政府可以通過智能手機的來追蹤個人，但這一方式終究不如瞭解更廣泛的趨勢和動態更行之有效。英國南安普敦大學教授 Andy Tatem 說道：
目前，疫情主要還是在中國爆發，但它其實是一個世界範圍的問題，如果病毒傳播到了缺乏衛生保健資源的國家中，後果將十分讓人擔憂。
雷鋒網雷鋒網雷鋒網
閱讀更多 雷鋒網 的文章
