目前，新冠疫情的发展，可以说无时无刻不在牵动着大家的心。在这样的历史背景下，作为人工智能/数据科学领域的从业者，我们不妨来探讨一下，AI在遏制类似的疾病传播中，可以起到什么样的作用。
当然，单纯靠AI技术确实无法让病毒停止传播，在一定时期内，也不可能取代人类传染病学专家的地位。但AI算法可以为病毒传播的干预和预防决策提供信息，并且可以帮助优化抗击疫情的资源分配，甚至可以在引起病理学家的注意之前，就可以检测到疫情爆发的早期迹象。
实际上，早在2014年，研究人员就借助数据分析模型对英国的HIV病毒的检测和治疗情况进行了评估，并且成功地预测出了未知的病毒感染者。根据研究人员的推断，在该模型的帮助下，即便不改变人们的行为习惯，新增感染人数也可以降低5%。
而到了2016年，佐治亚大学、加州大学和梅西大学组成了研究团队，开发出了可以预测丝状病毒传播的AI程序。（大名鼎鼎的埃博拉病毒就是丝状病毒的一种）由于蝙蝠是这类病毒的常见宿主，并可以传染给人类，因此该AI程序选取和蝙蝠有关的57种特征（包括其生活史、生态因素和遗传因素等），进行建模，预测出哪些类型的蝙蝠有可能携带丝状病毒。据称，该模型的准确率达到了87%。
2017年，上述团队还进行了后续研究——他们使用AI算法来预测在有限的公共财政预算下，如何使预防丙肝病毒传播的工作能够实现最优效果。通过训练，AI模型告诉研究人员，如果预算有10亿美金，那么公共卫生资金应当全部用于该传染病的早期治疗；但如果将预算增加到50亿美金，则第一年最好安排60%的预算用于筛查，其余部分用于治疗——同时，用于筛查的预算应逐年下降——到第三年时，只需安排20%的预算用于筛查即可。
同一年，新加坡Saw Swee Hock公共卫生学院和新加坡国家环境局环境卫生研究所的科学家开发了一种预测“登革热”暴发的AI算法，该算法通过对近十年的历史气候数据和登革热的季节性模式进行分析，能够提前四个月预测到疫情爆发的可能性。而一家名为Aime的初创公司紧随其后，开发出一种可以预测登革热爆发时间与地点的AI模型，据悉该模型的准确率达到了84%。做出类似成果的还有日本爱媛大学，他们使用降雨和气温数据训练了一个AI模型，用于预测菲律宾首都马尼拉的登革热感染情况。
2018年，南卡罗来纳大学的科学家开发了一个AI模型，用于帮助公共卫生机构提高其资金使用效率。通过使用印度和美国的预防结核病和淋病的真实数据进行测试，结果表明，如果使用该模型替代现有的体制，每年可以减少约8000例结核病病例和约20000例淋病病例。
现在，让我们再把目光转回到时下的新型冠状病毒。据外媒报导，一家根据死亡病例数据和可治愈性数据来预测传染病传播风险的平台MetaBiota正在和美方情报机构和国防部合作，处理有关新型冠状病毒的问题。而另一家名为BlueDot的公司，通过机器学习和自然语言处理算法，每天跟踪65种不同语言的10万篇文章，以及大量旅行者的行程、飞行路线、某个地区的气候温度、当地牲畜种类等信息，跟踪包括新型冠状病毒在内的100余种传染病的传播情况。
综上所述，能够自动追踪疾病传播的AI系统，在未来几年将会加速发展。BCC Research的分析师称，到2023年，数字病理学和流行病学市场预计将达到102亿美元（2018年为48亿美元），这主要是由算力的不断发展和模型特征工程方面的创新推动。相信不久的将来，在该领域将会有越来越多的机会逐渐浮现出来。
