此頁面上的內容需要較新版本的 Adobe Flash Player。

獲取 Adobe Flash Player

人工智能

應對新冠疫情,人工智能可以在哪些地方替代人類
作者:   來源:世界頂尖科學家論壇   日期:2020-05-14

   102年前,當那場席卷全球的西班牙大流感爆發時,人類還處于第二次工業革命的末期,當時抵抗病毒,只能靠專業的“人”。

   102年后的今天,在對抗COVID-19疫情的戰爭中,除了專業的人,更智能的專業幫手被發明。人類開始“規?;?rdquo;使用最新的AI技術(Artificial Intelligence,人工智能),在世界各地迅速部署,以快速應對疫情擴散。

   從人流密集處的AI測溫系統,到AI電話和無接觸快遞機器人,AI代替了人力,一定程度地降低了人群感染風險,緩解了人力資源的緊缺,大幅度提高了效率。

   與此同時,基于算法和深度學習模型的AI技術在此次疫情下還在藥物篩選、疾病風險預測和輔助診斷等方面發揮了積極作用。


Photo by Hitesh Choudhary on Unsplash


   01 / AI 預測是否感染新冠

   5月11日,倫敦國王學院、馬薩諸塞州總醫院和ZOE健康科學公司的研究人員在《自然-醫學》雜志發表文章,介紹他們開發出的一種AI智能診斷應用程序,該程序可以根據某人的癥狀預測他是否可能感染新冠病毒。

   該程序的AI模型使用新冠肺炎癥狀研究軟件中的數據,通過比較用戶的癥狀和傳統新冠測試的結果來預測用戶是否感染。研究人員表示,這可能會幫助到那些難以得到檢測的人群。

   目前,全球有超過330萬人下載了該軟件,并每天使用軟件記錄健康狀況,無論是否感覺良好或有任何新的癥狀,例如持續咳嗽、發燒、疲勞以及味覺或嗅覺喪失。


 

   新冠期間,算法類應用被廣泛開發使用 。Photo by Przemyslaw Marczynski on Unsplash

   研究者調查了與COVID-19檢測呈陽性最相關的癥狀,和流感/感冒相比,新冠病毒引起的癥狀更加廣泛,其中味覺和嗅覺的喪失尤為嚴重。

   在已接受檢測的軟件用戶中,有三分之二檢測呈陽性的患者和五分之一檢測呈陰性的患者都記錄了這一癥狀。

   之后,研究人員創建了數學模型,可以根據其年齡、性別、和四個主要癥狀的組合來預測用戶是否感染,并能達到80%的準確率。

   這將AI預測與高頻使用的應用程序相結合,能在人們最早開始出現癥狀后立即識別出可能具有傳染性的個體,并能重點跟蹤。

   在國內,騰訊也在4月向全球開源具有相似功能的“新冠肺炎AI自查助手”,患者還能與智能助手進行對話,根據新冠肺炎流行病學接觸史、發病癥狀、發病性質、基礎疾病史等信息,參照權威醫學指南判斷感染新冠肺炎的可能性大小,獲得對應的就診或者隔離建議。

   民眾還可以獲得分析報告,便于進一步向向醫生求助時說明情況。

   02 /AI助力CT影像技術

   疫情的爆發,讓AI+CT影像技術全面登上舞臺。

   基于大量新冠肺炎CT的影像數據,阿里達摩院、商湯科技、依圖科技、華為云等多家AI企業推出了新冠肺炎輔助診斷系統,并且根據患者不斷變化的肺部特點研發了算法模型、學習了樣本的病灶紋理,能在短時間內完成影像判讀、對疑似病例進行快速篩查、分級預警,為放射科醫生提供智能分析。


Photo by Fusion Medical Animation on Unsplash


   4月25日,澳門科技大學醫學院張康教授攜手中國科學院、國家生物資訊中心、清華大學、中山大學孫逸仙紀念醫院、廣州再生醫學與健康廣東省實驗室等機構的科研團隊在國際頂級學術期刊《細胞》發表其研究成果預校樣,名為“應用計算機斷層成像技術對COVID-19肺炎進行精確診斷、定量測量和預后診斷的臨床應用AI系統”。

   該系統基于4154名患者總計五十多萬份臨床影像學大數據分析,運用深度學習、遷移學習、語義分割等多種AI前沿技術,開發了基于胸部CT和X-ray的新冠肺炎AI輔助診斷系統。

   不同于傳統的端到端的深度學習模型,這套診斷系統融合了兩步不同的模型,第一步是基于語義分割的“肺部病灶”模型,其次是基于生成的肺-病灶圖譜,將病人的整個CT (大約100~300張切片)作為輸入,進一步構建智能診斷模型。

   另外值得關注的是,該研究的AI系統還識別了與新冠肺炎病變特性相關的重要臨床標志物。

   03 / AI治療和篩選藥物

   在意大利3月底的一項試點研究中,12名新冠中度患者每天接受類風濕關節炎藥物巴雷替尼(baricitinib)以及抗艾滋病毒復方制劑洛匹那韋和利托那韋(lopinavir & ritonavir)的治療,療程為兩周。另一個12人的研究組只接受洛匹那韋和利托那韋的治療。兩周后,接受巴雷替尼的患者基本康復,無咳嗽、發燒、喘不上氣的癥狀,且12人中有7人出院。相比之下,另一組患者的體溫仍較高,9人仍咳嗽,8人有呼吸急促的癥狀,僅1人出院。

    這項研究有非常嚴重的缺陷,即缺乏對照組、研究對象數量少以及開放實驗的設計,這意味著醫生和病人都知道他們治療的過程。但拋開這點來看,這項實驗能夠進行得益于一家總部位于英國的人工智能公司BenevolentAI。該公司的研究人員賈斯汀·斯特賓(Justin Stebbing)于2月4日發表了一封致《柳葉刀》的信 ,描述了他們如何使用AI尋找治療COVID-19的方法。



   斯特賓說:“AI能針對數據以更高效的方式搭建更高階的關聯性,這是人類哪怕花費所有時間與精力都無法做到的。”當下疫情快速蔓延之時,AI能讓研究工作快速推進,這點至關重要。

   BenevolentAI的藥理學副總裁Peter Richardson說,他只花了一個下午的時間,就使用公司的知識圖譜(一個巨大的數字生物醫學信息)和由AI推斷、增強的信息關聯,成功確定了兩個蛋白質靶點,即AP2相關的蛋白激酶1 (AAK1)和細胞周期蛋白G相關激酶(GAK)。

   這些激酶能介導細胞胞吞作用(細胞吞噬病毒等物質的過程),如果遭到破壞,可能會使SARS-CoV-2病毒更難進入人類細胞。研究人員確定了這些靶標后,便使用另一種算法來尋找可以達到蛋白質靶標的現有藥物。短短幾天,在刪除未經批準的藥物后,團隊成功將清單縮減至約30種,并篩選出少數跟靶標具有最高親和力的藥物?,F在,BenevolentAI是少數利用AI尋找已經得到監管者批準、可以重制用以治療新冠病毒藥物的小組。

   04 / AI 的學習之路


   需要明確的是,雖然目前的AI能夠切實協助醫療行業提升診斷效率和服務質量,仍存在眾多限制和困難,例如:

   1、回收的數據質量層次不齊,很難有高質量、統一標準的學習訓練數據;

   2、準確的分析和預測模型需要更完整的數據,但收集疾病各個因素的數據往往很困難,包括流行周期、傳播途徑、傳染率等;

   3、方法和模型過渡到臨床使用的復雜性,比如藥物效用、安全性和通過審批的概率等等。


? 吉林棋牌白山麻将 快3彩票技巧大揭秘 秒速快3规律 天天pk10计划软件 手机 山东十一选五运夺金 辽宁35走势图 股票怎么买卖怎么操作 燕赵风彩20选走势图 100万理财一年赚13万 陕西福彩快乐十分真准网 北京快乐8开奖结果和值