cookieOptions = {...}; .人工智慧如何應對冠狀病毒爆發 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

2020年2月7日 星期五

Outbreak: How AI Tech Predicted Virus , Why You Didn’t Know…


from Vox By OPEN SOURCEd 

人工智慧幫助發現了有關爆發的預警,研究人員利用飛行旅行者的數據,確定了下一步,可能會出現新型冠狀病毒的地方。


當一種神秘的疾病首次出現時,政府和公共衛生官員可能難以迅速收集資訊,並協調應對措施。但是,新的人工智慧技術可以自動從世界各地的新聞報導,和在線上內容中進行挖掘,從而幫助專家們辨識,可能導致潛在流行病,或更嚴重的流行病的異常情況。換句話說,我們新的 AI 霸主,實際上可能會幫助我們度過下一個災難。

這些新的 AI 功能在最近的冠狀病毒爆發中,得到了充分展示,這是由一家名為 BlueDot 的加拿大公司,在早期發現的,BlueDot 是使用數據,評估公共健康風險的眾多公司之一。


該公司表示將進行「自動傳染病監測」,並於去年 12 月底(即美國疾病控制與預防中心(CDC),和世界衛生組織(WHO) )發出了官方通知,如 Wired 所報導。

到1月底,與中國武漢市有關的呼吸道病毒,已經奪去了 100 多人的生命。在包括美國在內的其他幾個國家,案件也頻發。美國疾病預防控制中心警告美國人,避免不必要的赴中旅行。


傳染病醫師,BlueDot 的創始人兼首席執行官Kamran Khan,在一次採訪中解釋說,該公司的預警系統,如何利用人工智慧(包括自然語言處理和機器學習),透過分析 65 篇文章中的 100,000 篇內容,來跟踪 100 多種傳染病每天的語言。

這些數據可幫助公司知道,何時將傳染病的潛在存在,和傳播通知客戶。

其他數據,例如旅行者的行程資訊和飛行路線,可以幫助公司進一步了解疾病的傳播方式。例如,本月初,BlueDot 研究人員預測,冠狀病毒在中國大陸出現後,還會在亞洲其他城市出現。


BlueDot 模型(其最終結果,隨後由人類研究人員進行分析)背後的思想是,盡快將資訊提供給醫護人員,希望他們能夠及早診斷出(如果需要,可以將其隔離)受感染和可能傳染的人上。

Khan 告訴 Recode:「官方資訊並不總是即時的。」 「旅行者中的一例,與暴發之間的區別,取決於您的前線醫護人員,是否意識到某種疾病。可能是防止實際爆發的差異。」

Khan 補充說,他的系統還可以使用,一系列其他數據(例如有關某個地區的氣候、溫度,甚至本地牲畜的資訊),來預測某人感染疾病,是否可能導致該地區爆​​發疾病。他指出,早在 2016 年,BlueDot 就能預測 Zika 病毒,在佛羅里達出現之前的六個月的出現。


同樣,流行病監測公司 Metabiota 確定,在實際報告這些國家的病例,之前一周多的時間裡,泰國、韓國、日本和台灣發現該病毒的風險最高,部分原因是透過查找航班數據。

像 BlueDot 一樣,Metabiota 也使用自然語言處理功能,來評估有關潛在疾病的線上報告,並且還致力於開發,用於社交媒體數據的相同技術。

Metabiota 的數據科學總監 Mark Gallivan 解釋說,在線上平台和論壇,也可以顯示存在流行病的風險。 Metabiota 還聲稱,它可以根據疾病症狀,死亡率和治療方法等資訊,估計疾病傳播導致社會和政治混亂的風險。例如,在本文發表時,Metabiota 將在美國和中國,將新型冠狀病毒引起公眾焦慮的風險評估為「高」,但在剛果民主共和國(其中有報導稱該病毒為「中等」


很難知道這種評級系統或平台,本身的準確性如何,但加里文說,該公司正在與美國情報界和國防部合作,處理與冠狀病毒有關的問題。這是 Metabiota 與 In-Q-Tel 合作的一部分,In-Q-Tel 是與中央情報局相關的,非營利性風險投資公司。

但是政府機構,並不是這些系統的唯一潛在客戶。 Metabiota 還向再保險公司宣傳其平台 - 再保險,本質上是為保險公司提供的保險 - 他們可能想管理與疾病,潛在傳播相關的財務風險。

但是,人工智慧不僅可以使流行病學家和官員,在疾病暴發時,即時獲悉資訊,還可以發揮更大的作用。研究人員已經建立了基於 AI 的模型,可以即時預測 Zika 病毒的爆發,從而可以告知醫生應對潛在危機的方式。人工智慧還可以用來指導公共衛生官員,在危機期間如何分配資源。實際上,人工智慧已成為對抗疾病的新的第一道防線。

更廣泛地說,人工智慧已經在協助研究新藥,解決罕見疾病和檢測乳癌。人工智慧甚至被用來辨識傳播查加斯(Chagas)的昆蟲,查加斯是一種無法治愈,且可能致命的疾病,已經感染了墨西哥、中美洲和南美洲的約 800 萬人。


使用非健康數據(例如社交媒體動態資訊),來幫助健康政策制訂者和製藥公司,了解健康危機的廣度,也越來越引起人們的興趣。例如,可以挖掘社交媒體動態資訊,以跟踪非法鴉片類藥物的 AI,並使公共衛生官員了解,這些受控物質的傳播情況。

這些系統(包括 Metabiota 和 BlueDot),僅與他們評估的數據一樣好。而且,人工智慧(通常)存在偏差問題,它既可以反映系統的工程師,也可以反映系統所接受的數據。而且,醫療保健中,使用的 AI 絕對不能避免該問題。


儘管如此,所有這些進步,都代表了 AI 可以做的更樂觀的前景。通常,關於 AI 機器人篩選大量數據的消息,並不那麼好。考慮使用根據從網路上獲取的圖像,建構的臉部辨識數據庫進行執法。或聘請現在可以使用 AI 的經理,根據您的社交媒體動態資訊,預測您的工作表現。 

AI與致命疾病作鬥爭的想法,為我們提供了這樣一種情況,即使我們沒有完全的希望,我們也會感到不那麼輕鬆。也許這項技術(如果開發和使用正確)實際上可以幫助挽救一些生命。

Omidyar Network使開源成為可能。 所有開源內容在編輯上都是獨立的,由我們的記者製作。

康橋科技 —— 白光攝影機專業廠商!

0 意見: