首頁 > 人工智能 > 正文

分析技術正在協助追蹤和預測2019-nCoV潛在感染人群

2020-02-07 11:22:46  來源:科技行者

摘要:2019-nCoV最危險的特征在于人傳人的能力,這也使其很快在中國感染了超過20000人。遺憾的是,在決定隔離武漢以及周邊地區之前,攜帶該病毒的患者已經前往中國各省甚至世界各地。根據目前的統計,2019-nCoV已經擴散到全球20個國家,并導致世界衛生組織(WHO)于上周宣布啟動全球公共衛生緊急事件。
關鍵詞: 人工智能
2019-nCoV最危險的特征在于人傳人的能力,這也使其很快在中國感染了超過20000人。遺憾的是,在決定隔離武漢以及周邊地區之前,攜帶該病毒的患者已經前往中國各省甚至世界各地。根據目前的統計,2019-nCoV已經擴散到全球20個國家,并導致世界衛生組織(WHO)于上周宣布啟動全球公共衛生緊急事件。

 

好消息是,世界各地的公共衛生機構已經開始利用一系列數據分析工具以應對這場疫情,包括跟蹤2019-nCoV的傳播范圍、傳播方式并對病毒的下一步擴散做出預測。

 

分析軟件開發商SAS公司生物統計學家Theresa Do表示,如今公共衛生機構不僅掌握著遠超以往的各類工具,可資利用的數據規模也是此前難以想象的。

 

Do指出,“現在我們掌握著多種不同的數據源,并且正在盡可能運用這些定點數據源,以更快的速度完成數據傳輸。”

 

誠然,目前對2019-nCoV乃至其他疾病新增病例進行記錄的起步環節仍然沒有變化,只能依靠人工進行手動操作。調查工作者需要進入田間地頭、醫院病房,用紙和筆記錄信息,同時保證佩戴口罩和手套以保護自身安全。

但是,在2019-nCoV這類新型疾病被及時上報之后,相關數據就會迅速擴大,并由技術人員利用自己掌握的其他資源(例如SAS以及其他來自軟件供應商的產品)加以分析。曾參與美國國防部全球健康監測計劃的Do解釋道,在這一環節當中,技術人員往往會整合各類數據,包括病例報告以及航班清單,從而更好地了解疾病的實際傳播方式。

 

她在采訪中表示:“如今,我們能夠更快得出分析答案,然后以此為基礎構建起預測模型,并通過執行情境分析以做出合理推斷,最終弄清楚疾病可能傳播到哪里、又會造成什么樣的影響。”

 

除此之外,地理信息系統(SIS)也能夠有效跟蹤2019-nCoV等病毒在不同空間及時間周期內的傳播方式。約翰霍普金斯大學系統科學與工程中心(CSSE)就在運營著一套基于Esri ArcGIS的實時GIS儀表板,其中顯出全球范圍內所有記錄在案的2019-nCoV病例。在這樣的監控之下,相信各國疾病控制中心(CDC)、世衛組織乃至全球健康監測中心的決策者,一定能夠有效利用相關數據做出更準確的形勢判斷。

 

當然,除了一線上報之外,我們也可以采取其他方法推斷出疾病動態,比如,挖掘社交媒體以及各類新聞網站。以www.healthmap.org為例,該網站持續跟蹤各類網絡平臺上所提及的全球公共衛生事件相關內容。負責healthmap.com網站運營的計算流行病學家John Brownstein指出,現在他們的可用數據規模遠超以往任何歷史時期。

 

Brownstein在接受采訪時表示,“在SARS期間,我們還無法掌握來自中國的豐富病例信息。但現在,我們正不斷挖掘新聞與社交媒體,并獲取到詳盡的實時資料。”

 

在確定了新的感染疾病病例之后,公共衛生機構會快速與其接觸,追蹤他們的生活動向和軌跡,確定他們可能曾與哪些人接觸。雖然這是一項艱巨且耗時的任務,但現代技術的介入已經顯著降低了其中的實施門檻。

 

Frost & Sullivan公司物聯網全球研究總監Dilip Sarangan預測稱,應該可以利用一套“病毒檢測傳感器網絡”通過人臉識別技術“發現、跟蹤并監控可能感染新型冠狀病毒的人群。”

 

這樣的系統還能夠跟蹤感染患者曾經接觸到的每一名個體。Sarangan指出,“雖然很多人會覺得這樣的全程監控讓人有種生活在警察國家的感覺,但最終,物聯網與AI的結合可能會成為高傳染性疾病在全球范圍內快速擴散的最佳方式。”

 

SARS爆發之后,一位名叫Kamran Khan的前線醫生曾著手構建一套系統,希望自動收集并分析各類公開可用的傳染病傳播信息。Khan目前在多倫多大學擔任醫學與公共衛生教授,他當初構想的這套傳染病監控系統如今已經成為現實,并通過BlueDot公司正式對外銷售。

 

如今,BlueDot正在跟蹤全球超過100種疾病的傳播動態,包括寨卡病毒、西尼羅河病毒、腮腺炎病毒、拉薩熱以及其他傳統流行病。這套平臺能夠從10000多種官方及大眾媒體源中自動提取涵蓋65種語言的公共數據,利用自然語言處理(NLP)及機器學習技術處理文本信息,并將全部素材整理成簡潔直觀的匯總性結論。Khan在采訪中表示,“如果按老辦法用手動方式處理,那么這項工作至少需要一支上百人的大團隊。”

 

另一些次要指標同樣有助于流行病疫情的發現。SAS公司的Do指出,雖然Google Flu Trends一直沒能發揮預期中的作用,但就目前來看,從社交媒體及其他個人信息源處識別疾病跡象倒確實可行。舉例來說,通過智能手表等聯網設備檢測人體溫度的集體升高,或者是Netflix劇集觀看量的迅速增長,都能在一定程度上判斷出各地的疫情變化。

 

Do解釋道,“也許還會出現其他指標,可以用來提前預測病毒爆發以及其他尚未發生的狀況。”當然,數據分析方需要向受眾保證其數據隱私不會受到侵犯。她補充道,只要能夠解決對于隱私的擔憂,那么挖掘出的大量數據足以為公共安全增添強大助力。“技術就在那里,就看如何運用。”

 

從此次事件來看,預測2019-nCoV的下一個傳播點非常重要,這能幫助政府決策者更為高效地分配本就有限的資源。同時,這也意味著提前增加醫生與護士的物資配備水平,從而快速適應2019-nCoV患者的激增狀況;甚至可以調整供應鏈以確保充足的防護用品供應,特別是目前在全球已經被搶購一空的N95口罩。

 

Do指出,在規劃2019-nCoV等爆發性事件時,最重要的就是充分考慮其次生效應的作用機理。她指出,“在中國,成千上萬人被快速傳染,并導致現有醫療制度難以支撐。除了因為這種新型病毒而死亡的病患之外,這類病例占用的大量醫療資源也可能擠壓其他病人的診治空間。畢竟在醫院滿員之后,生病的民眾將別無選擇。”


第三十屆CIO班招生
法國布雷斯特商學院碩士班招生
北達軟EXIN網絡空間與IT安全基礎認證培訓
北達軟EXIN DevOps Professional認證培訓
責編:jiaxy
股票行情实时查询软件下载