本文转载自公众号《阅芯》（ID：AI_Discovery）2020年圣诞节前，多款候选新冠疫苗获批使用或进入三期试验阶段。与疫情初期相比，我们检测和治疗COVID-19的能力也有了很大提高。人工智能在抗击新冠疫情中发挥了重大作用。虽然人工智能不是万能的，但它可以帮助研究人员更快地从医学数据中提取出更多有用的信息，从而加快疫苗研发进程，帮助开展更有效的治疗。人工智能和医疗在后疫情时代将如何发展？人工智能在这次疫情中的应用证明，它在分析医疗和临床数据方面大有可为。人工智能在新冠疫情中的应用人工智能在抗击新冠疫情中的贡献新冠疫情中，每天产生数百万千兆字节的数据，包括患者数据、胸片、CT扫描、验血结果、人类研究人员几乎没有办法从基因数据等入手。幸运的是，人工智能可以处理大量数据，发现规律，为研究人员提供支持，加速疾病的诊治和疫苗的研发。人工智能在新冠病毒诊断中的应用麻省理工学院的研究人员开发了一种机器学习模型，可以通过咳嗽来诊断患者是否感染新冠，甚至可以诊断无症状感染者。鉴于无症状携带者可以传播病毒，该模型可以开发成应用程序，可能会减缓病毒的传播。从亚洲到北美，医学专家也在使用机器学习和计算机视觉来分析胸部X光片和CT扫描以诊断COVID-19。西北大学的研究人员开发了一种名为DeepCOVID-XR的机器学习模型，可以分析患者的胸部X光片，做出诊断的速度比放射科医生快10倍，准确率高6%。该模型基于17002张X光胸片进行训练，可快速筛查入院患者是否有新冠感染。疫苗研发2020年12月，Moderna的mRNA疫苗获批使用。为了更好地测试它，该公司使用机器学习来优化mRNA序列并将其转化为分子。据报道，Moderna在其药物设计实验室设计了多种mRNA序列，然后利用机器学习对这些序列进行优化。这些序列针对高质量的候选疫苗进行了优化，可能会缩短疫苗开发的时间。机器学习还可以揭示疫苗的改进领域。麻省理工学院的初步研究发现，与辉瑞和Moderna生产的疫苗类似的疫苗可能对亚裔人群效果较差。尽管这方面还需要大量研究，但使用机器学习可以初步发现问题并给我们时间去解决它们。分发经济援助许多发展中国家正在使用人工智能向最需要帮助的公民分发援助。多哥训练了一个机器学习模型来分析卫星图像和电话数据，以确定领导人将优先提供财政援助的极端贫困地区。研发治疗新冠药物2022年之前全球将有四分之一人口无法接种新冠疫苗，在此期间，人工智能在推动治疗新冠药物研发方面潜力巨大。非营利组织CovidMoonshot使用半监督深度学习模型筛选14,000种抗病毒药物。经过筛选，目前已有四种药物进入动物试验阶段。后疫情时代：人工智能改变医疗新发疾病预警系统只是人工智能的一种应用。疾病早期预警系统及早发现下一次重大疾病爆发是各国的高度优先事项。如果机器学习系统能够通过分析传统和替代数据源来发现线索，我们就能够获得疾病爆发的早期预警。新冠疫情并没有让所有人措手不及。2019年12月31日，人工智能驱动的健康监测平台BlueDot提醒其用户武汉爆发传染病，比世界卫生组织发布通知早了整整9天。BlueDot将机器学习和自然语言处理应用于65种语言的新闻报道、动植物疾病数据以及暗示新冠疫情可能爆发的官方发布。BlueDot甚至通过分析机票数据，正确预测了病毒首次从武汉传播到曼谷、首尔、台北和东京的时间。预计未来会出现更多基于人工智能的风险检测平台，企业、投资者和政府愿意为此类技术买单。像谷歌和彭博社这样的公司也可能提供类似的服务。远程诊断随着COVID-19大量消耗医疗资源，医院和诊所应支持基于AI的远程诊断工具，以减轻医生的压力。从本质上讲，医院将依靠计算机分析磁共振成像(MRI)、X光、CT扫描甚至手机照片来做出诊断。麻省理工学院开发的深度学习模型可以通过分析乳房X线照片来预测患乳腺癌的风险。该模型在90,000张乳房X光照片上进行了训练和测试，比传统筛查方法更准确。远程诊断适用于大多数可以通过医学影像进行诊断的情况。更重要的是，远程诊断工具可以让更多农村和低收入地区的人获得高质量的医疗咨询。小型农村检测中心可以在新疾病袭击城镇和村庄之前以更低的价格进行更快的诊断并收集数据。根据临床数据提出建议美国医疗保健系统每年产生大约12亿份临床文件。其中大部分是非结构化文档（例如医生的手写笔记、图像），其余是半结构化文档（例如化验结果、程序和患者死亡时间）。即使是医生和护士的电子格式，也有太多数据需要整理。初级保健医生每天最多可以花六个小时处理电子健康记录。InternationalBusinessMachinesCorporation(IBM)的Watson团队进行的一项研究发现，医生可能会遗漏每位患者病历中的一个重要问题。人工智能可以帮助医生和护士提取重要的患者数据，分析患者未来面临的医疗风险。如果深度学习模型具备光学字符识别功能，还可以将医生的手写笔记和医学图像数字化标记，方便检索。自然语言处理和机器学习工具可以生成患者状况的摘要，突出患者的问题并预测未来的医疗风险，例如糖尿病或肾病。但这很难做到。依托现成可靠的数据，人工智能可以为医疗机构提供临床决策支持。不幸的是，临床数据可能是无组织的、孤立的或不完整的。在人工智能应用于医疗决策之前，必须进行数据整合、清洗和预处理。加速药物开发机器学习可以帮助设计具有靶向治疗效果的化合物，从而降低药物开发成本并加快药物递送。开发新药既困难又昂贵。开发一种药物可能需要10亿美元或更多的投资，而且只有15%的机会进入市场。最初的药物开发通常涉及分析多达10,000种化合物，这一过程可能需要10年以上的时间。人工智能，尤其是神经网络，可以减少药物开发的时间和成本。有一种特定类型的神经网络，即生成对抗网络(GAN)，可用于设计具有所需治疗效果的新药化合物。谷歌的DeepMind开发了一个名为AlphaFold的深度学习程序来确定蛋白质的3D形状。预测蛋白质结构可以提供对特定疾病的洞察力。例如，如果研究人员知道蛋白质如何相互作用，他们也可以了解药物化合物应具有的特性，这可以加快药物开发时间。利用人工智能加速药物研发，对于挽救生命和增加企业利润具有重要意义。但其中许多技术都是新技术，仍需要进一步研究，因此实验室关闭和科学家失业还有很长的路要走。改善医院运营COVID-19大流行的严重教训之一是医疗资源可能崩溃。在大流行的最初几个月，主要城市的医院的个人防护设备（包括口罩、手术衣）告罄，呼吸机甚至病床都供不应求。如果这一切都可以避免呢？拥有基于人工智能的趋势分析和预测工具可以提醒医院注意新的疾病爆发并准备病床。这在上面的BlueDot示例中进行了讨论。远程诊断可以更快地发现疾病，并提醒医院储备个人防护设备和人员。通过分析有关医疗用品使用情况的数据，库存预测模型可以订购用品并防止短缺。即使在大流行后的世界，人工智能也可以改善医院运营、节省资金、减轻行政负担并加强患者护理。其中一项应用是使用机器学习来优化医院床位分配。医院可以通过预测现有患者何时出院来更合理地分配床位。这有助于确保床位容量，并使医院能够更确定地安排手术，减少不确定性和患者等待时间。在人工智能的帮助下改善医院运营对各方来说都是双赢的。借助人工智能，可以更好地利用医院资源，保障人员数量，减少因床位不足而取消手术的比例。这改善了患者体验和医院收入。人类和人工智能都具有改善患者护理、药物发现、医院运营和疾病追踪的巨大潜力。使用人工智能相关工具的制药公司、医院和医疗技术供应商将享有更高的利润和更大的市场份额。然而，其中许多技术都是新技术，仍需要进行研究以确保其可用性和安全性。技术采用也需要时间。医院、诊所和制药公司需要确保有足够的数据和更好的质量来使用人工智能工具。在人工智能工具广泛应用的背景下，医学专家和科学家依然不能缺席。人工智能工具可能会根据医学图像做出诊断，但医生仍然需要提出治疗方案来让患者放心。深度学习项目可能会加速药物发现，但科学家们仍需仔细检查结果。如果你犯了一个错误，你将付出巨大的代价。最终，人工智能将加快处理速度并提供人类灵感，但这必须与人类判断相结合才能改善患者的治疗效果。医疗保健的未来是人类加上AI，而不仅仅是AI。
