编者按：本文来源新浪科技，作者杨雪梅，创业邦经授权转载。
过去，我们一直在讨论人工智能将如何服务医疗行业，如今新冠肺炎爆发，最现实的问题摆在了技术和企业面前：AI如何助力攻克疫情？
“10天火速建成医院；运营商两天完成移动宽带和5G基站建设；运用AI仅用14天完成病毒基因组测序……”近日热门话题“肺炎疫情防控背后的黑科技”的讨论，就让网友纷纷感叹到了科技力量的发展。
其实，不仅仅在这几个方面，在疫情爆发的这段时间，各个AI企业、技术团队快速响应，各显其能，通过AI技术来应对疫情。2月4日，工信部也发文向国家人工智能相关学（协）会、联盟、企事业单位倡议，充分发挥人工智能赋能效用、协力抗击疫情。
一边是不断上涨的确诊、疑似病例数字，另一边也有技术助力的好消息不断传来，那么，疫情进入到了一定阶段，AI到底为抗疫前线做了些什么？
医学研究：AI算法快速分析病毒基因提升确诊效率
确诊28060例，疑似24702例，死亡564例，治愈1153例，这是截至到2月6日07:41最新更新的全国新冠肺炎疫情数据。
其中，快速确诊新冠肺炎病人还面临着一定的困难。2月3日，中国工程院院士、国家卫健委高级别专家组成员李兰娟在武汉接受央视采访时表示，武汉目前检测试剂数量不够，因此不是每个人都能够得到检测。核酸检测试剂短缺、假阴性，都在影响新冠肺炎病人的确诊。
关于此，中山大学数据科学与计算机学院教授陆遥在接受新浪科技采访时也提到，目前核酸检测是通过生化试剂盒进行检测，但是由于质量参差不齐，需要多次检测确诊，并且存在一定的假性结果，导致大量疑似患者无法快速确诊。
不过近日，AI算法的介入，带来了好消息。浙江省疾控中心上线的自动化全基因组检测分析平台，就将病毒基因分析的效率由原来的一小时缩至半小时。据悉，该分析平台由浙江省疾控中心联合阿里达摩院、杰毅生物共同打造。
阿里巴巴达摩院算法专家顾斐在接受新浪科技采访时表示，这个平台包括三部分，第一部分就是样本提取和建库，由杰毅生物负责；第二部分是测试，由原来就具有测试系统和设备的浙江省疾控中心来完成；第三部分则是阿里达摩院团队在负责的分析服务。
顾斐日前正在前线参与该平台的研究分析，他表示，自己在达摩院原本就是研究基因相关的方向，一月底在紧急情况下进入前线研究团队，到现在已经参与了一周时间。
据其介绍，这套全基因组检测分析平台相比较传统的病毒基因检测方法，有几个方面的提升和优化。
首先，检测范围广，相比较核酸检测主要检测病毒序列的两个片段，应用AI算法的全基因组检测分析平台基本能覆盖到病毒的全基因组，可以避免传统检测方法可能存在假阳性和假阴性等漏检的问题。
其次，可以提前发现病毒变异的情况。
第三，该分析平台配备了蛋白结构分析功能。顾斐表示，“病毒有其序列，序列就是我们现在检测的东西，病毒的蛋白结构是其真正发挥毒性的东西，蛋白结构当然是跟序列比较相关，但是也需要有一套分析方法去构建它的结构。”该分析平台同时提供了二级结构、三维结构的分析功能，可以帮助疾控人员快速检测到病毒，并知道病毒的结构，进一步帮助他们提升分析和研究能力。
不过，目前该平台更多还是由开发人员来使用操作，医护人员操作起来比较复杂，还需要在开发人员指导下操作，“医护人员要操作还需要一定的时间”。
“要克服的难关可能就是时间紧、任务重，然后也有一些内容是我们需要现场做开发，不是之前就有的。” 顾斐说。
他表示，后续该全基因组检测分析平台会尝试向更多省市的疾控中心推广，虽然现在还在优化的阶段，但是通过科技力量去抗击疫情会是一个趋势。
陆遥在采访中也提到，目前，基于AI对影像进行分析，辅助临床医生进行决策诊断得到越来越多医生的认可，在一定程度上可以缓解目前核酸检验的困境。“病毒基因确实可以利用AI进行快速分析，这对于快速开发相关药物和疫苗都有重大意义，这个在药物开发领域已有成果应用。”
此外，他还提到，AI在药物靶标确定、先导化合物筛选、临床试验论证等场景下也有所应用，譬如去年九月澳大利亚弗林德斯大学的研究人员所研发的新型疫苗便是利用AI技术筛选化学化合物。
智能机器人：无人设备发挥关键作用
相比较数据分析和医学研究的专业性限制，智能硬件在医院、患者之间的应用更为广泛。
随着疫情的发展，目前包括猎户星空、思必驰在内的多家人工智能企业推出智能医疗服务机器人驰援抗疫前线。
▲北京大学首钢医院的医疗服务机器人
其中，猎豹移动投资的猎户星空针对疫情捐赠的医疗服务机器人已交付武汉火神山医院，也推向接诊压力巨大的北京大学首钢医院和海淀医院，它能够根据医院需求分别执行递送化验单、药物等工作；
思必驰推出的疫情防控机器人可进行居民回访和信息通知、外来人口排查、健康监测和防护建议，并针对重点人群的疫情信息进行记录和定期跟踪等；
无锡产智能化配药机器人应用在药物调配过程中，可使操作人员不需要直接接触药物，调配过程由机器完成，能避免药物交叉污染和空气污染，已在武汉红十字会医院重点部门投用；
中国移动和达闼科技联合捐赠的2台5G云端智能机器人在武汉协和医院、同济天佑医院上岗，包含了服务机器人、消毒清洁机器人；
测温巡逻机器人落地广州黄埔，协助一线民警在危险、高强度的工作环境中完成排查、防控任务。
……
网友表示，去年还有很多声音讨论5G有什么用，经过这次，5G、云计算将更快应用到各行各业，而大规模采用机器服务可能会出现一个热潮。
▲云端机器人正在被调试
更有人提出设想：希望5G机器人可以开发自我制作功能，如果大规模铺设服务机器人，整个武汉充满了机器人，清洁送菜消毒防疫都用他们就好了。
在与这场新型肺炎的斗争中，我们看到很多坚守在一线医护人员体力透支，很多医院甚至医护人员紧张，而智能服务机器人的出现，一定程度上抗疫缓解这一现象，专家学者以及更多的人开始关注通过AI硬件在这场疫情中发挥作用，负担更多基础性工作，来减轻医护人员的负担。
陆遥告诉新浪科技，据其了解，目前医疗服务机器人具备视觉、语音、导航、大数据支持等相关功能，可用于无人导诊、自动响应发热问诊、引领病人及初步诊疗，并可实现医生对病人的远程诊疗，避免医护人员与病患直接接触而发生交叉感染的可能性，并提高病人的诊疗效率。此外，还可以对诊疗信息进行收集、上报、统计和分析，可帮助医护人员更快做出医疗决策。
另一方面，用机器人代替医护过程中递送化验单、药物等简单但耗力的流程化工作，还可减轻医务人员的工作量，避免医护人员在递送路上的感染可能。
“综上可见，医疗服务机器人利用数据和智能化的技术可帮助医护人员更高效安全地对病情诊断。”陆遥表示。
数据分析：AI测温快速触达人群，行而有效
当然，不管是医疗研究还是智能机器人，在实际的应用中都还处于初级阶段，此前少见有医院广泛推广使用。
医院中国科学技术大学副研究员、《科技袁人》栏目主讲人袁岚峰在接受新浪科技采访时表示，其实AI医疗的难度，比最初设想的大得多。“据我所知，近年来有很多机构在尝试将AI应用于医学。在最初的热潮过去后，许多以失败告终，如IBM的‘最强大脑’Watson机器人。”
他引用了一些专家朋友的看法，认为AI医疗主要的突破口不应该是最初设想的那样，让AI来诊断，而应该是辅助医疗，例如自动采集体温、提醒患者复诊等等，在这些方面大有可为。
实际上，相比较医学研究，AI在数据分析、体温测量等领域都切实落地应用到了防疫工作中。
▲旷视AI测温系统
2月4日，旷视上线了AI测温系统，并在海淀政务大厅和海淀区部分地铁站展开试点应用。该系统采用“人体识别+人像识别+红外/可见光双传感”的解决方案，相较传统测温筛查手段，识别效率更高，无需接触即可测温，识别误差低于0.03℃。
在此之前，百度AI多人体温快速检测解决方案也已在北京清河站落地使用。
▲北京清河站落地的AI测温系统
其中，旷视AI测温系统由海淀区以及中关村科学城管委会统一调度。新浪科技了解发现，除了这一方案，中关村管委会此前面向示范区企业收集可参与抗击疫情的新技术、新产品、新服务的供给信息。
北京市中关村管委会发布公告称，首批清单共包含86家中关村企业的138项新技术新产品新服务，涉及病毒检测、疫苗研发、临床治疗、医疗防护、智能诊断、疫情分析与发布等有关抗击疫情的多个方面，且大多数产品和服务能立即投入使用。
袁岚峰在采访中提到，在这次疫情中，技术显然发挥了非常重要的作用。例如快速确定病原体，快速测出它的结构，理解它的分子作用机理，快速开发出检测试剂，这些都远远超过以前。此外，即使不是直接对疫情有用的，能帮助社会在隔离的情况下维持运转的技术，如各种远程教学、远程办公的软件和平台，也发挥了重要的作用。
不过，陆遥也表示，由于目前主流的机器学习手段可解释性不强，而流行病学等生物和医药学科需要发现数据的内在联系，并通过这些联系指导线下实践，因此疫苗制造、药物研发等流行病中较为严谨的科学研究暂时不能以AI技术来代替主流方法。
当然，数据分析在此次疫情的场景应用还是比较直观有效的，譬如AI多人体温快速检测解决方案、接触者追踪等相关技术都是行而有效的。
在其看来，机器学习等数据和计算科学在这次疫情中扮演的还是辅助角色，其中对控制疫情最有帮助的应该是接触者追踪、数据预测和新的流行病学传播模型。
“但我们也能看到数据和智能化的技术帮助医护人员能够更为高效安全地完成病情的诊断与诊疗工作。通过科技赋能疫情防治，在这场没有硝烟的疫情阻击战中起到很大的辅助作用。” 陆遥说。
结语
在AI服务医疗的一些场景，我们听到过很多案例：健康管理、辅助医疗研究平台、疾病风险预测、辅助诊疗、医学影像分析、药物挖掘等。AI这么厉害，有可能代替医生吗？
其实，正如专家所说，目前AI在医学中的应用更多是辅助功能，严谨的科学研究暂时不能以AI技术来代替主流方法。但是随着技术的发展，或许未来，AI真的可以在突发性公共卫生事件中力挽狂澜。只是，我们不会希望有再一次的突发性公共卫生事件发生……
本文为合作媒体授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
