抗击新冠肺炎,人工智能技术来助力

不懂技术怎么做产品?15天在线学习,补齐产品经理必备技术知识,再也不被开发忽悠。了解一下>

从体温检测到大数据警报防控,从智能问诊到智能算法助力药物研发,人工智能在抗击新冠肺炎这场战役中正在发挥着越来越重要的作用。

截至2月4日16时,全国累计确诊新型冠状病毒感染的肺炎20502例,疑似病例23214例,累计死亡病例426例,累计治愈出院693例。

不断上升的确诊数字牵动着每个人的心,社会各界纷纷投入到这场没有硝烟的疫情阻击战中。可以看到,除了不舍昼夜的医护工作者外,人工智能技术也在这场战役中起到了不可小觑的作用,快速体温检测、大数据防控、接诊问诊、机器人接待……毫无疑问,人工智能技术正逐渐成为人类的新一代守护者。

一、实现快速体温检测

由于这次春运返程高峰期与疫情防控关键期重叠,春运期间的疫情防控便显得尤为重要。面对密集的人流,高铁站、机场等交通枢纽采用传统的手持式“额温枪”“耳温枪”显然难以满足需求。

在这种情况下,以人工智能图像识别技术结合红外热成像技术,可以在一定面积范围内对人流区域多人额头温度进行快速筛选及预警,解决了佩戴口罩及帽子造成的面部识别特征较少的问题,方便对人流聚集处的快速筛选。

根据新闻显示,百度已在北京清河火车站落地AI多人体温快速检测解决方案,基于人脸关键点检测及图像红外温度点阵温度分析算法,可实现人流密集场所的快速体温检测。

二、拉响疫情警报,大数据高效防控疫情

运用云计算、大数据等技术进行精确翔实的数据归集和分析,能有效助力政府进行科学化决策。例如一家加拿大人工智能初创企业Bluedot,以AI系统搜索外语新闻报道、动植物疾病报告和各类官方公告,通过自然语言处理分析可能的疫情报道,2019 年 12 月 31 日该系统发出警告,并正确预测了新型冠状病毒在首次出现后的几天内将从武汉扩散到曼谷、汉城、台北和东京。

除了拉响警报,大数据技术还能从宏观上预测多少人可能被感染,帮助政府决策物资投放和管控手段,精确掌握散落在各地的隐性传染者。例如基于大数据可以获知在武汉华南海鲜市场关闭前,有多少曾去过那里的人,通过跟踪他们的信息,进而获得精准防控能力。

此外,有关部门和技术公司还能利用不同维度的海量数据信息,如地图数据、航空数据、移动通信数据、电商消费数据等,进行综合建模和分析,做出针对疫情的合理决策判断。

三、智能问诊系统环节医生接待压力

随着基层百姓对疫情的认识不足,由于普通的头疼、发烧、咳嗽而挤向医院的患者数不胜数。越多的人涌向医院,交叉感染就越多,必将不利于疫情的防控,也让本就紧张的医疗资源雪上加霜。即使一部分医院、组织通过线上咨询解答患者疑问,但受到线上医生接待服务时间、精力限制,仍旧无法解决大部分患者疑问及恐慌。

为缓解一线压力,可以借助自然语言处理等技术打造肺炎咨询机器人,辅助医生解决简单病情问答,释放医生时间精力去做更有价值的事。国内智能客服企业快商通已于1月29日上线肺炎咨询机器人,当前已与北京同仁堂、智业互联、部分三甲医院达成合作,为医院、政府、公益组织等免费提供。

四、机器人降低接触传播

由于新型冠状病毒的传染性,利用机器人来完成某些替代性工作,可以有效防止人与人之间的接触所可能造成的疫情扩散。在本次新型冠状病毒肺炎确诊案例的治疗过程中,机器人已经派上用场。

以美国首例新型肺炎病患救治过程为例,为了防止病毒的进一步传染,治疗过程中,医生负责在隔离窗外操作机器人,而机器人配备了摄像头、麦克风和听诊器等设备,能替代部分人类工作。

另一方面,机器人除了用来对病人进行治疗,还可以承担其他的一些非接触性工作。例如:以送餐机器人为隔离区人员送餐送物,可避免交叉感染;应用中国科学技术大学附属第一医院(安徽省立医院)联合中国科大相关技术团队研制的无接触式多功能自助终端设备,使用者无需与屏幕接触,点击空中成像,就能完成挂号预约缴费等多功能自助服务。

五、人工智能算法寻找病毒宿主

对于新型冠状病毒,快速找到其自然宿主、中间宿主,弄清通过什么途径传播到人类,对于切断传播途径具有重要意义。1月25日,北京大学工学院教授朱怀球团队在bioRxiv预印版平台发表了一篇题为《深度学习算法预测新型冠状病毒的宿主和感染性》的研究论文。

该团队使用双路卷积神经网络(BiPathCNN)技术,预测新型冠状病毒的宿主,通过分析,研究团队发现,蝙蝠冠状病毒与新型冠状病毒具有更相似的感染模式,可能是其自然宿主。通过比较所有宿主在脊椎动物上的病毒传染模式,发现水貂病毒的传染性模式更接近新型冠状病毒,可能是其中间宿主。

六、人工智能助力抗病毒药物研发

传统药物研发的大致流程是先筛选出病毒特异性的蛋白靶点,然后从数以万计的化合物库中大规模筛选,期望从中选出效果好,毒性小的药物。由于筛选量庞大,研发过程费时费力,成本高昂。

在人工智能的参与的药物研发模式下,首先将大量已知的靶点3D结构与药物作用模式输入模型,教会人工智能判断某个药物是否对靶点有作用。人工智能驱动的药物研发变成了确定靶蛋白的3D结构,然后人工智能便会从庞大的化合物库中自动筛选可能有效的药物,研发人员只需通过实验,验证少数筛选出的结果,大大节约研发时间和成本。

当前疫情之下,BAT等巨头纷纷捐助庞大AI算力,便是为了协助科学家快速筛选出药物。

 

本文由 @小快 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
1人打赏
评论
欢迎留言讨论~!