由中國計算機學會（CCF）和中國中文信息學會（CIPS）聯合主辦，由西安電子科技大學承辦的第二十六屆全國信息檢索學術會議（The 26th China Conference on Information Retrieval, CCIR 2020）召開。醫渡雲首席AI科學家閆峻受邀參加此次會議，並通過題為《疫情常態化防控新形式下的數據智能》的特邀報告，深度講解了如何通過數據智能化技術對疫情的傳播進行及時發現，及時預警，及時阻斷；以及如何在常態化疫情防控中，在降低疫情死亡率同時，有條件保障社會生產生活的恢復及正常運轉等內容。
在疫情期間，醫渡雲始終站在抗擊疫情的第一線，協助國內十多個城市，迅速建立起新冠肺炎疫情監控平臺，通過AI技術輔助多地政府開展有效的動態監測和疫情研判，實現對當地疫情的早發現、早預警、早阻斷，有效助力政府精準施政，為制定復工復產政策提供強有力的支持。憑藉醫渡雲在此次疫情防控中的突出表現，今年的全國信息檢索學術會議（CCIR）特邀醫渡雲首席AI科學家閆峻，為與會人員深入闡述了數據智能化技術，在提升疫情的防控效率和質量方面，發揮的重要作用。
報告涉及自然語言處理，信息檢索，知識圖譜，流行病預測模型，疾病預測模型等多項技術手段。本次報告以具體案例分析數據智能技術，在實現城市免疫目標的過程中，面臨的新挑戰與具體應用。
明確疫情防控目標
技術彌補防疫短板
新冠肺炎疫情大流行，暴露了全球公共衛生醫療體系應急能力不足、基礎技術支撐不夠、公共衛生基礎設施建設有待提升等一系列短板，特別是從近期北京和大連的疫情復發來看，病毒通過貨運冷鏈的傳播，也體現了我們對病毒傳播認知上的不足。因此，在未來較長一段時間內，我們還將繼續應對散發病例、境外輸入以及聚集性疫情的多重風險。
疫情常態化防控新形勢下，如何加快推進生產生活秩序全面恢復，同時保住來之不易的階段性成果，成為當下疫情防控的主要目標。在此次新冠肺炎疫情防控中，AI技術在輔助流行病學調查，傳染病分析預測、預警等方面，體現了不可取代的效率和價值。因此，在沒有特效藥的"空窗期"時，利用智能化手段進行疫情常態化防控就顯得尤為重要。
仿真模擬助力政府決策
動態平衡恢復社會活力
事實證明，如果採取非常嚴格的政策和措施，雖然可以把疫情控制好，但也會給生產生活帶來非常大的負面影響；如果疫情防控政策放開，經濟發展可以短時間回歸正軌，但是對國民健康和安全會帶來巨大的傷害。而就目前來看，這次疫情可能會與人類長期共生。因此，如何在疫情防控常態化下，防控從"靜態管理"向"動態管理"轉變十分必要。
怎樣在實現疫情防控的同時，讓社會經濟正常運轉？單一的方法和工具往往很難保證兩者都能兼顧。醫渡雲認為，疫情管理是個動態平衡的管理過程，既將疫情死亡率降到最低，同時也逐步有條件恢復生產生活，社會經濟活動。而要實現動態平衡的閉環管理，就要解決2個核心問題。
第一，我們要了解真實世界現狀，包括疫情動態跟蹤，醫療資源監控，傳染路徑還原等情況，來對疫情的發展趨勢變化進行一個科學的預判，而這僅僅依靠一個簡單的SEIR模型是無法完成的。只有掌握更多的影響疫情發展走勢的政策因素，才能更準確地仿真模擬出疫情未來可能的發展變化情況，這樣才能更好地支撐政府決策。
第二，利用人工智慧技術助力有關部門構建數據中心，在數據中心裏面把人和人之間關係、人和區域的關係關聯起來，發揮社會網絡優勢，根據授權把各種多源異構數據融合到數據中心裡，進而構建居民端、政府端、醫院端的不同應用。
這三端的應用不僅可以在疫情防控中發揮各自作用，更重要的是，把這三端應用通過不同形式組合起來，就能形成整套的疫情動態閉環管理解決方案，建立城市免疫體系。這樣，在有限醫療資源情況下，在不超出醫療資源承受範圍之內，不僅能將疫情傳播和死亡率降到最低，也能幫助疫情地區進行復工復產，保證社會經濟生活正常進行。
多重模型組合實現防控"三早"
臨床輔助系統提升救治效果
無數案例證明，降低疫情死亡率，儘早發現、預警和阻斷疫情傳播，是目前新冠肺炎防治過程中被驗證過的非常有效的方式。AI技術在幫助管理部門提升早發現、早預警、早阻斷的能力上，可以發揮無可比擬的作用。
早發現：
對於具有傳染性的流行疾病，如果能早發現一天，就可儘早阻斷患病人數指數級增長的趨勢。而AI可以通過實體識別、語義計算等自然語言處理技術，將大量的分布在不同醫院的電子病歷文本進行有效的結構化、標準化，進而監測目標觀測量（如目標症狀集合），通過移動百分位法（Moving percentile method）等算法，綜合不同時間和不同區域的數據，實現精準的時空計量建模，判斷症候群異常及異常評估，建立症候群監測系統，進而實現爆發預警和預警分級。
觀察模型監測與擬合症狀在時間序列上的趨勢變動，就可以找到患者的行動軌跡，並構建人際關係的圖模型，綜合分析人際傳播的可能性，從而及時發現異常，進一步提高監測敏感度，形成動態的、多點觸發的預警研判模式，就能夠提高對新發、不明原因疾病的早期發現和風險預警的能力。
早預警：
一旦發現疫情，就需要及時對疫情走勢進行預測與判斷，從過往實踐經驗中可以看到，政策舉措的實施對於傳染病防控至關重要，採取嚴格的管控措施，疫情確實能夠在短時間內得到相對好的控制，但如果想在疫情有效管控的同時，也能保障社會經濟生活的正常運轉，這就需要對判斷發展趨勢進行動態觀察。
隨著政策變化和疫情趨勢的變化，疫情發展曲線也隨之改變。這就需要用到仿真模型的構建技術，模擬應急處置政策方案實施後對整體態勢的影響，驗證決策的效果、預測風險，便於提前制定預案和物資儲備。 在協助國家CDC進行疫情風險評估的過程中，醫渡雲的仿真模擬系統，就是根據全球140多個國家的疫情公開流行曲線，以及各國家地區的在不同時間點上的防控政策舉措，構建模擬仿真模型，助力政府管理部門模擬不同政策措施影響下的疫情走勢。
醫渡雲在這次疫情中，將AI技術充分應用在傳染病SEIR數學模型上，進行預測預警、模擬仿真。結合各地不同的政策舉措，當地辦公室辦公密度，家庭平均面積，主流出行方式，戴口罩依從度，以及慢病腫瘤患者人口比例等多種複雜情況，利用統計分析技術進行參數估計，構建仿真模型，對採用不同政策措施之後的走勢情況做出預判。另外根據當地定點醫院的床位數、核酸檢測的供應量和檢測能力、ICU數量、呼吸機數量等情況，結合疫情走勢，及時調整模型，在超出城市醫療能力承接的警戒線前，發出疫情預警，幫助政府部門及早根據當前運行情況，進行預測和分析，輔助公衛決策，匹配醫療資源。
早阻斷：
疫情防控中，及時找到傳染源、切斷傳播途徑是降低疫情蔓延行之有效的方法，為了這個目標就要牽涉一系列模型建模工作，例如健康碼，根據歷史行程軌跡及密接史，對個人風險指數進行估算，可以起到良好的效果。在這一過程中，往往不是一個單一模型就能夠解決問題，需要將各類模型應用串聯在一起，形成一整套解決方案。實現早阻斷，也不是某一個機構就可以獨立完成的，其中涉及的個人多維度信息，還需要公安、邊防、醫院等部門的充分配合，才能夠進一步實現疫情的早阻斷。
對於疫情防控，更好的治療方法，同樣起著至關重要的作用。但不是所有地區都有足夠的疫情救治經驗，因此，如果在治療流程中，有一個能夠輔助支持臨床治療的系統，去幫助一些缺乏經驗的國家和地區，為臨床醫生提供更優質的治療方案，不僅能提升臨床治療效果，還可以節省更多的醫療資源，去救治更多的患者。這對於降低患者死亡率，起到了非常積極的影響。
從今年3月以來，醫渡雲開始協助武漢同濟醫院打造新冠肺炎專病智能資料庫，基於真實世界信息和各類醫療文獻，通過數據統計的方式，根據授權提取相關知識，繪製新冠肺炎知識圖譜，構建臨床輔助支持系統。並且基於真實世界數據，利用梯度下降樹（GBDT）等算法，開發預測輕症患者轉重症、重症患者死亡等預測模型，支持新冠患者病情進展預測，對病情可能的惡化早幹預，降低重症率和死亡率。醫院、醫生及相關科研機構，已經基於新冠肺炎專病大數據智能平臺，開展了多項新冠肺炎相關臨床研究，並產出了多項科研成果，已在TheLancet Oncology、Annalsof InternalMedicine等知名期刊上發表多篇高質量文章。
"聯邦學習"提升信息安全
諸多挑戰期待共同解決
雖然，AI技術已經在醫院管理、健康管理、電子病歷處理和分析、臨床輔助決策支持等醫療健康領域逐漸嶄露頭角。但是在數據應用方面，雖然真實世界已有的數據規模非常大，但AI開發者仍要面臨數據不好用、不能用、不敢用等困擾。而這裡更重要的一個挑戰，就是如何在解決信息集中的同時，保護這些信息的安全性。
在實現信息集成計算同時，保護個人信息隱私，"聯邦學習"是一個非常有效的手段，可以在數據分散在不同系統的條件下，實現任務目標的學習。
目前醫渡雲在自然語言處理技術、醫學預測模型、醫學統計分析、臨床試驗模擬等醫療領域的應用場景中，已經開始應用"聯邦學習"的方法，在實現醫療信息集成的同時，更好地保護個人信息安全。我們也希望有越來越多的人，來共同研究這個領域和方向，讓更多人可以因醫療人工智慧技術的進步而受益。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。