人工智能在抗击的应用

【摘要】病毒肺炎（COVID-19）引起了全球大规模疫情，对全球政治、经济等各方面造成巨大影响。目前人类对SARS-Cov-2本身及作用机制、流行病学和临床诊治等方面尚不完全清楚，尚无疫苗，无特效药，因此，利用新技术对COVID-19进行早诊断、早隔离和早治疗具有重要的意义。人工智能作为当今研究的一个热点领域，已广泛应用于临床医学各领域。本研究综述了人工智能在COVID-19疫情中的应用，包括放射影像诊断、疾病预测、疾病追踪、和药物研发。本研究能为COVID-19的防治提供参考，为医护人员了解和利用人工智能技术提供帮助。

【关键词】病毒肺炎；人工智能；放射影像诊断；疾病预防；综述

自2019年12月报道首例病毒肺炎（CoronaVirusDisease2019,COVID-19）患者以来［1-5］，截止到2020年6月27日已确诊患者超过963万，死亡人数超过49万［6］。尽早发现患者，切断传染源是最有效的阻止疫情蔓延的方法。基于大数据和人工智能的新技术在人员跟踪与风险评估方面有其独特的优势［7］。COVID-19感染早期表现为流感样症状，如发热、咳嗽和乏力，与流感症状相似，随后呈现出不同的临床特点。年轻人可能自行康复、或病情加重但治疗后很快康复）［8-9］；然而老年人和合并心血管系统疾病的患者更容易发生重症及危重症化［10-16］，从而引起严重间质性肺炎、急性呼吸窘迫综合征（ARDS）及随后的多器官衰竭，导致严重急性呼吸衰竭和高死亡率［17］。因此早诊断尤其对重症与危重症的早发现能极大地降低病死率。人工智能能帮助诊断和治疗决策［18-22］，提高疾病检测的便捷性、准确度和改善患者的治疗［22-26］。面对这种突发传染病，如何科学有效治疗成为摆在广大医务工作者面前的迫切任务。新药开发周期长，老药新用是目前治疗的首选。人工智能能快速地从规模庞大的分子结构数据库中筛选出潜在药物，在药物研发领域发展潜力巨大［27］，为COVID-19药物筛选带来新的机遇和希望［28］。本文综述人工智能应用于COVID-19的国内外研究进展，具体从诊断、疾病预测与跟踪，以及药物筛选几个方面展开，以期为COVID-19的防治提供参考，为医护人员了解和利用人工智能技术提供帮助人工智能指用计算机程序进行人类的思维模拟，是计算机领域的一个重要组成部分，主要包括大数据技术、图像识别技术、语音识别技术［29-31］。目前，人工智能特别是深度学习已经深入到医学领域的各个方面［22,32-33］，包括协助医生对CT等图像进行快速、准确的解释；改进医疗流程和减少医疗错误；协助患者处理自己的数据以促进健康［22］。人工智能用于药物设计与筛选，可以极大地降低药物研发的周期和成本［34］。目前人工智能已经在心血管系统疾病［35-36］、肿瘤［37］、传染病（如COVID-19）［18,28］得到广泛的应用，本文将从放射影像诊断、疾病追踪、病例和死亡率预测以及药物和疫苗研发4方面综述人工智能在COVID-19中的应用。

1人工智能在放射影像诊断方面的应用

人工智能影像诊断系统是近年来的研究热点，可以对肺部炎症进行定量分析和鉴别诊断，已经广泛用于协助患者CT诊断［38-44］。1.1利用人工智能阅读胸片。逆转录聚合酶链反应（RT-PCR）是检测感染最准确的方法，但是在一些地区试剂盒的数量不够，且这项检测需要的时间较长［39,45］。由于COVID-19早期便出现肺部病变，因此，通过胸部CT和X光对疑似患者进行检测是一个很好的补充,且更有利于RT-PCR结果阴性患者的检出［45-46］。邓靓娜等［44］对影像学在COVID-19的应用进行了比较系统的综述，本文仅对其文后的最新进展进行补充概述。比如Murphy等［41］利用人工智能系统（CAD4COVIDXray）对24678张CT图像上进行了训练后发现：人工智能对454例有RT-PCR结果的COVID-19患者X线胸片进行判断时，曲线下面积（AreaUnderCurve,AUC）为0.81，其检测COVID-19的能力与6名独立放射科医生相当。人工智能可以识别人工难以发现的早期患者，且速度比人工识别要快。Mei等［18］应用人工智能算法将胸部CT表现与临床症状、暴露史和实验室检测相结合，快速地诊断了COVID-19阳性的患者。在一组279名患者的测试中，使用人工智能系统达到了0.92的AUC，灵敏度与一位资深胸部放射科医生相当。对25名通过RT-PCR检测为COVID-19阳性的患者，这些患者的CT扫描正常，放射科医生将这些患者归类为COVID-19阴性，人工智能却正确识别了17名患者为阳性（68%）。Bai等［42］的研究发现：将人工智能用于辅助放射科医生进行读片时，可以提高放射科医生区分COVID-19与其他肺炎的能力。在人工智能的帮助下，放射科医生诊断COVID-19的平均精确度从85%提升到了90%，敏感性从79%提升到了88%，特异性从88%提升到了91%［42］。目前的各项研究均显示：人工智能对胸部CT进行读片时，表现出了很高的准确性［47］。1.2利用人工智能减少放射科医生与患者的接触。传统胸片和CT工作流程中，工作人员和患者的接触是不可避免的。许多现代X光和CT系统配备了用于监控病人的摄像机，但是由于只有顶部摄像机，还不能完成对患者的姿势识别。而人工智能可以识别患者的姿势和形状，通过视觉传感器确定最佳扫描参数。技术人员可以透过窗户和扫描室中安装在天花板上的人工智能摄像机传输的实时视频进行观察，并在必要时纠正患者的姿势。一旦技术人员或运动分析算法认为患者已经准备好，患者定位算法将自动从相机拍摄的图像中恢复患者的三维姿势和完全重建的网格。在三维网格的基础上，对患者目标身体部位的扫描范围和三维中心线进行估计，并转化为控制信号和优化扫描参数，供技术人员验证。一旦确认，病床将自动与ISO中心对齐，并移入CT机架进行扫描［39］。

2人工智能在病例预测方面的应用

在疫情期间，分析COVID-19的发展规律，预测其发展趋势，提早发现疑似或确诊例数对COVID-19疫情的预防和控制至关重要。Zheng等［7］提出了一种用于COVID-19预测的混合人工智能模型。传统的传染病模型将COVID-19感染者视为具有相同的感染率，而Zheng等［7］提出了一种改进的易感感染模型（ISI），用于估计冠状病毒感染率的变化，分析其传播规律和发展趋势。此外，该模型考虑到防控措施的效果和公众防范意识的提高，在ISI模型中嵌入自然语言处理（NaturalLanguageProcessing,NLP）模块和长短期记忆网络（LongShort-TermMemory,LSTM），建立COVID-19预测的混合人工智能模型。这个混合人工智能模型在武汉、北京、上海和全国范围内应用，能显著降低预测结果的误差，得到未来6天平均第8期刘思远,等.人工智能在抗击病毒肺炎疫情中的应用绝对百分比误差分别为0.52%、0.38%、0.05%和0.86%［7］。类似地，Yang等［48］利用Susceptible-Exposed-Infectious-Removed（SEIR）模型和人工智能方法，有效预测了我国COVID-19流行高峰期及其规模，且用数据呈现了我国在2020年1月23日对湖北实施的封城措施对于减少最终的COVID-19流行规模具有非常重要的作用。此外，社交媒体搜索索引（SocialMediaSearchIndex,SMSI）能提前预测COVID-19疑似病例，从而协助政府对潜在高风险地区进行早防控。如Qin等［49］在收集了干咳、发热、胸闷、冠状病毒和肺炎数据的基础上，采用SMSI进行预测，发现可以提早6~9天发现COVID-19疑似病例，且其预测的数据与10天后确诊的病例具有相关性。

3人工智能在疾病追踪方面的应用

在疫情爆发初期，中国开始以人工智能方法跟踪疾病，依靠类似的面部识别摄像头来跟踪有旅行史的感染患者［50］。浙江省杭州市率先推出互联网健康码模式，对市民和拟进入杭州人员实施“绿码、红码、黄码”三色动态管理。“健康码”以真实数据为基础，由市民或者返工返岗人员通过自行网上申报，经后台审核后，即可生成属于个人的二维码。该二维码作为个人在当地出入通行的一个电子凭证，实现一次申报，全市通用。健康码的推出，让复工复产更加精准、科学、有序［51］。针对COVID-19，韩国疾病预防控制中心部署了名为COVID-19智能管理系统（COVID-19sms）的联系人追踪系统，该系统使用来自安全摄像头画面、信用卡记录甚至汽车和手机的GPS数据来追踪COVID-19感染者的移动。对于可能接触过COVID-19的人，卫生官员会向他们发出通知。在检测呈阳性的人群中，需要治疗的人在收治COVID-19患者的定点医院里住院治疗，无症状感染者被要求在14天内保持自我隔离，并积极监测他们对隔离的遵守情况。迄今为止，韩国在没有采取封锁措施的情况下成功遏制了COVID-19的扩散［52］。在非洲国家，由于卫生系统薄弱、监测不足、实验室能力不足和公共卫生基础设施有限，未能有效发现和报告病例。获得准确的诊断、监测和疫情报告需要一个资源充足的保健系统。而有证据表明，大多数资源有限的国家缺乏有效、快速的监测系统。针对COVID-19的爆发，迅速开发和部署用于筛查的护理点（Point-of-Care,POC）诊断有助于遏制疾病的传播，减轻卫生系统的负担。新兴的健康创新技术，如区块链和人工智能技术，可以与POC诊断相结合，使暴露于COVID-19的隔离患者能够自我测试［53］。

4人工智能在药物研发方面的作用

COVID-19目前尚无疫苗，无特效药，新药研究是一个非常漫长的过程，老药新用是目前治疗的首选。目前已用于治疗COVID-19的药物有羟基氯喹(Hydroxychloroquine,HCQ)、替考拉宁（Teicoplanin）、阿比朵尔(Arbidol)和洛匹那韦/利托那韦（Lopinavir/Ritonavir,LPV/RTV）等［54-55］。然而大部分药物临床试验显示其疗效不佳［56-57］，因此研究者应用人工智能技术对已上市的具有治疗COVID-19潜力的药物进行筛选，使人们更快、更便宜、更有效地寻找新药［34,58］。如Ke等［28］用两个不同的学习数据库，建立了一个人工智能平台，用于识别具有抗冠状病毒活性的潜在已有药物；经过几轮人工智能学习和预测过程，人工智能系统识别出80种具有市场潜力的药物。其中，8种药物（贝达奎林、灯盏花素、塞来昔布、氯法嗪、康尼伐普坦、吉西他滨、托卡彭和维斯莫吉布）对猫传染性腹膜炎（FIP）病毒在Fcwf-4细胞中的增殖有抑制作用。此外，5种其他药物（博塞普列韦、氯喹、高三尖杉酯碱、替罗酮和盐霉素）在人工智能方法的练习中也被发现是有效的。此外，谷歌DeepMind开发AlphaFold［59］深度学习系统快速预测了COVID-19的蛋白质结构，从而为COVID-19疫苗设计提供了有价值的信息，而如果使用传统的实验方法获得蛋白质结构可能需要数月的时间［58］。

5结语

人工智能作为一种辅助工具，其主要优点在于代替医务人员或政府工作人员完成重复冗杂的工作，有效提升他们的工作效率。此外，在诊断时，它的准确率甚至要高于专家，也不会出现高强度工作下的效率下降问题［39,41-42,54］。同时，这次疫情也推动了人工智能应用的发展，在将来，随着社会的进步，会有更好的机制推动人工智能服务于人类。但是，人工智能仍有其局限性，主要包括受试者隐私和数据的安全性［60］。随着时间的推移，人工智能在其准确性、工作效率和工作流程方面可能会显著改进，但其伦理问题，数据提取与再利用导致可能的泄密仍然难以解决，此外，人工智能替代医生可能会加剧医患矛盾［22］。

总之，“AI+医疗”将成为未来医疗的发展方向，协助医生做出更精准、更有效的决策方案，但是对患者隐私的保护和数据安全等问题需要人工智能技术的不断完善和医护人员的共同努力去攻克。

作者:刘思远 张丽军 刘雷 单位:1.上海师范大学信息与机电工程学院 2.上海市公共卫生临床中心新药临床研究中心 3.复旦大学