從鼠疫、霍亂，到非典、禽流感，從西班牙流感再到新冠肺炎，流行病的傳播和預防從來都是世界性問題，人類與病毒作鬥爭是常態。作家加繆在《鼠疫》中寫道：“人類能在這場鼠疫和生活的賭博中贏得的全部東西就是知識和記憶。”每一次流行病都促進了技術的進步，而技術的進步又能使社會更迅速地應對疫情。
新型冠狀病毒爆發以後，2020年1月，世界衛生組織（WHO）和美國疾病控制與預防中心（CDC）發佈了有關疫情的官方通知。然而在這些主要衛生機構發佈通報的前一週，2019年12月31日，來自加拿大多倫多的BlueDot公司就利用其內部開發的人工智能發出了此次疫情的警報，準確預測了病毒的下一步走向。這讓越來越多的人開始關注疫情的預測。
官網鏈接：https://bluedot.global/
關於疫情預測，目前使用得比較多的方法有：
1 邏輯迴歸的方法。用於計算病毒傳播的拐點。
2 傳染病動力學模型。如SIR模型（Susceptible Infected Recovered Model）及其各種改進型模型，預測傳染的趨勢。
而BlueDot在2018年開發的預警系統，則通過使用人工智能分析官方和非官方來源的信息尋找相關詞彙和短語，以便快速地發現疫情。
BlueDot主要從以下來源收集信息：
這些數據進入一箇中央存儲庫，庫裡還存有150多種病原體的詳細信息。BlueDot在存儲庫中使用自然語言處理技術，掃描文本中關於傳染病的語言模式、主題、含義和情緒，由臨床醫生和數據科學家所培訓的機器學習系統會從中挑選出指向爆發的信號，然後對數據進行過濾、組織和分析。當系統檢測到可能爆發疫情時，專家會對相關發現進行評估。
對於這場新型冠狀病毒疫情，BlueDot的系統發現了許多信號，包括種種提及武漢“不明原因肺炎”的表述，然後通過分析有關人們乘坐飛機離開武漢所前往目的地的交通數據，準確預測出該病毒接下來將在曼谷、香港、東京等城市傳播。而根據世衛組織的通報，這些地區的確較早出現確診的感染者。
在預測這次新冠之前，2009年公司的“生物大流散項目”（The BioDiaspora program）被用來預測21世紀第一次流感大流行（甲型H1N1流感病毒）的全球波陣面；BlueDot還在2016年佛羅里達州爆發寨卡病毒前6個月就發出了警報。
- BlueDot預測寨卡病毒
2015年5月，巴西確認了當地感染寨卡病毒的病例。寨卡病毒是一種在非洲和亞太地區發現的通過伊蚊傳播的蟲媒病毒。整個拉丁美洲伊蚊的存在，加上適宜的氣候條件，在巴西引發了寨卡病毒的流行，當時估計有44萬至130萬病例。後來，攜帶病毒的旅行者將寨卡病毒引入了另外至少13個國家，在這些國家，易受感染的伊蚊已經被感染，並延續了當地的傳播週期。在巴西，已經報道了小頭畸形嬰兒的急劇增加，並且在受影響的新生兒的羊水中檢測到寨卡病毒RNA。BlueDot試圖確定寨卡病毒的高風險國際傳播途徑和有利於自身傳播的全球地理環境。
通過對原有的登革熱季節性模型進行調整，BlueDot創建了一個全球寨卡病毒傳播模型，該模型整合了埃及伊蚊和白紋伊蚊的全球生態位數據以及全球溫度分佈圖。在巴西，BlueDot確定了距離全年傳播寨卡病毒地區50公里以內的機場，利用國際航空運輸協會提供的全球航班行程數據，繪製了2014年9月至2015年8月從這些機場出發的國際旅行者的最終目的地。同時，使用了
柵格化的全球人口數據集LandScan，來估計生活在有寨卡病毒傳播風險的地理區域的人數。通過數據採集，BlueDot發現：共計約990萬旅客離開上述巴西機場前往國際目的地，其中65％前往美洲（圖），27％前往歐洲和5％前往亞洲。旅客量最大的國家是美國（2 767 337），阿根廷（1 314 694），智利（614 687），意大利（419 955），葡萄牙（411 407）和法國（404 525）。中國和安哥拉分別接待了亞洲（84 332）和非洲（82 838）最多的旅客。阿根廷、意大利和美國60%以上的人口居住在有利於季節性寨卡病毒傳播的地區，而墨西哥、哥倫比亞和美國估計分別有3 050萬、2 320萬和2 270萬人居住在有利於全年傳播的地區。
圖：根據寨卡病毒傳播的可能性分析離開巴西的旅行者的最終目的地
通過數據分析，BlueDot預測，與基孔肯雅熱類似，寨卡病毒有可能在拉丁美洲和加勒比地區迅速蔓延，進一步提出可能的干預措施。
- 奧運會與傳染病防測
2016年8月在巴西舉行的夏季奧運會也提高了人們對這種新興病毒的認識的需求。
此外，2012年，為迎接倫敦夏季奧運會，BlueDot曾與英格蘭公共衛生部合作，評估全球傳染病對當地造成的風險。目前，日本的新冠肺炎確診者越來越多，而距離2020年東京夏季奧運動會的開幕只有不足5個月的時間，亟需進行跨地理邊界的傳染病監測，對大規模集會進行建模和干預。
BlueDot並不是唯一一個使用人工智能迅速發現和跟蹤疫情的公司。波士頓兒童醫院(Boston Children's Hospital)附屬的非營利性機構HealthMap在CDC發佈新型冠狀病毒信息之前一週也發佈了預警。
綜上可見，AI技術能在很大程度上幫助人們做疫情預測和追蹤、並大大減少可能由傳染病造成的損失。鍾南山2月11日接受路透社採訪時提出，要建立疫情爆發預警的全球“哨兵”系統。而作為重要的技術手段，AI可以幫助這樣的疫情繫統更全面迅速準確地收集信息。除了AI之外，大數據、IT新技術都可能有發揮機會。所有這些都值得我們去進一步研究，從每一次疫情中獲得知識和記憶，更好地利用最新技術手段造福全人類。
彭博社.利用人工智能發現並追蹤冠狀病毒疫情[EB/OL][2020-02-07] https://mp.weixin.qq.com/s/7mzx4X0g_GeOlVy73CI9lg
XWAN.基於自然語言處理和機器學習的BlueDot預測南佛羅里達州寨卡病毒爆發的位置[EB/OL][2020-01-28]https://mp.weixin.qq.com/s/EffdvzIiIhri7Pn9YstELAhttps://mama.dxy.com/outbreak/daily-of-nationwide-new?index=20200203&locationIds=0&share=true&from=singlemessage&isappinstalled=0
Isaac I Bogoch, Oliver J Brady, Moritz U G Kraemer, Matthew German, Marisa I Creatore, Manisha A Kulkarni,et al. Anticipating the international spread of Zika virus from Brazil. The Lancet.2016；387:10016https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(16)00080-5/fulltext
更多相關閱讀：
閱讀更多 上海圖書館 的文章
