打开文本图片集

摘要：漫长的新冠肺炎疫情给全球健康与经济带来巨大挑战，在对公共卫生体系建设提出更高要求的同时，也为现代化科学技术发展融入新的动力。人工智能（AI）技术在这场战役中大放异彩，在流行病学分析、疾病诊疗、智能采检、药物研发、疾病预警等多方面发挥重要作用。目前已有AI产品成功应用于体温监测、环境消杀、物品传递、智能采样等实际场景，但在疾病诊疗中应用仍处于研究阶段。相信随着信息技术的快速发展和实践积累，AI将在大健康产业时代充分展现其科技魅力。

关键词：人工智能，新型冠状病毒，机器学习，神经网络，智能机器人

Abstract： The lengthy COVID-19 pandemic has posed a huge challenge to global health and economy， which not only raises higher requirements for the building of public health system， but also pours new motive power into modern science and technology development. Artificial intelligence （AI） technology has shone brightly in this battle， playing important roles in epidemiological analysis， disease diagnosis and treatment， intelligent sampling and detection， drug research and development， advanced warning and other aspects. At present， AI products have been successfully applied in temperature monitoring， environmental disinfection， transferring， intelligent sampling and other practical scenarios. However， the application of AI in disease diagnosis and treatment is still in research. It is believed that AI will show its scientific charm in the era of big health industry， with the rapid development of information technology and accumulation of practice in the future.

Key words： Artificial intelligence; SARS-CoV-2; Machine learning; Neural network;Intelligent Robot

自新型冠状病毒肺炎（Corona Virus Disease 2019，COVID-19）爆发以来，全球健康与经济经历了前所未有的挑战。国际病毒分类委员会（International Committee on Taxonomy of Viruses， ICTV）将该病毒正式分类命名为严重急性呼吸综合征冠状病毒2（Severe Acute Respiratory Syndrome Coronavirus 2，SARS-CoV-2），截止2022年5月30日，全球感染病例累计5.28亿，死亡病例累计629万，死亡率约为1.19%[1]。目前，全球正经历着奥密克戎变异株（Omicron，B 1.1.529）的大流行，其传播力约为德尔塔（Delta， B 617.2）毒株的3-6倍[2]，短期内对医疗卫生系统造成了巨大冲击。SARS-CoV-2的高传染性、高致病性、高变异性给疾病的诊疗和预防带来诸多困难，疫情的波澜起伏对公共卫生防控机制提出了新要求，同时也催化了现代化技术手段的快速推广。在这场战役中，人工智能（Artificial Intelligence， AI）技术大放异彩，在流行病学分析、疾病诊疗、智能采检、药物研发、疾病预警等多方面发挥了重要作用。

1 AI核心技术

AI是一个广泛的跨学科领域，植根于逻辑学、统计学、认知心理学、决策理论、神经科学、语言学、控制论和计算机工程[3]。目前，AI在医疗领域中的应用场景主要有医学影像、智能诊疗、健康管理、病例分析、医院管理、新药研发和医疗机器人等，应用技术主要包括计算机视觉（Computer vision， CV）、机器学习（Machine learning， ML）、深度学习（Deep learning）、神经网络（Neural network， NN）、智能机器人（Intelligent Robot）等[4]，如表1所示：

2 AI在流行病学分析中的应用

在感染性疾病流行病学分析中，大数据分析（Big Data Analytics， BDA）可以帮助公共卫生健康管理系统更深入地挖掘数据资源，通过大数据储存与计算将个体数据变成集合化的群体数据，再运用统计学手段进行更为精准的流行病学分析。大数据种类多样，主要来源于：（1）分子大数据，如基因组学、蛋白组学、代谢组学等;（2）基于图像的大数据，如医学影像分析、图像高维分析等;（3）基于传感的大数据，如无线传感设备产生数据;（4）数字和计算机大数据，如互联网、智能手机和其他移动设备产生的数据[16]。BDA数据具有生命周期，首先要分析运行难度，评估并确定难点，获取数据并进行筛选，随后进行数据提取、验证和清理，再通过聚合完成后续分析并实现可视化，最终实现分析和应用。大数据集成和预处理后上传至共享数据库，一方面可将疾病来源数据转化为流行病学模型以估算潜在的传播范围，另一方面可通过机器学习实现智慧化多点触发预警（图1） [17]。

SIR模型（Susceptible-Infected-Recovered，SIR）和SEIR模型（Susceptible-Exposed-Infectious-Removed，SEIR）是经典的传染病模型，主要用于信息传播的抽象描述。Ardabili S F等采用推理感知器（Multi-Layered Perceptron，MLP）和自适应神经模糊推理系统（Adaptive Neuro Fuzzy Inference System，ANFIS）对意大利、中国、伊朗、德国和美国5个国家的感染数据模型进行训练，结果显示灰狼优化算法（Grey Wolf Optimizer，GWO）的性能优于粒子群算法（Particle Swarm Optimization，PSO）和遗传算法（Genetic Algorithm，GA）。每日或每周取样均可用于ML建模，MLP模型在两种取样方法中提供了更准确的结果。与SEIR模型相比，MLP和ANFIS模型在COVID-19疫情预测中具有更好的泛化能力[18]。另有学者等应用监督学习模型对墨西哥病毒性呼吸道疾病流行病学监测数据进行了分析，该监测涵盖475家成员单位，数据含263，007个实例和41个特征，包括人口统计资料、临床数据以及新冠病毒逆转录-聚合酶链反应（Reverse Transcription-Polymerase Chain Reaction，RT-PCR）核酸检测结果。该研究采用COVID-19阳性和阴性病例的流行病学标记数据集，通过逻辑回归、决策树、支持向量机（Support vector machine，SVM）、朴素贝叶斯分类（Naïve Bayes Algorithm）和ANN几种算法开发模型，对不同的独立特征和依赖特征进行相关系数分析，以确定数据集的每个依赖特征和独立特征之间的关系。性能评价结果表明，决策树模型的准确率最高，达94.99%;SVM模型和朴素贝叶斯模型的敏感性和特异性最好，分别为93.34%和94.30%[19]。

3 AI在检验诊断中的应用

为迅速采取疫情防控响应措施，许多国家开启了科学创新同步模式，智能机器人成为了医护人员肢体的延伸，有效避免了与感染者的直接接触。Wang X V等[20]对3484篇机器人技术在疫情期间应用的文献调查显示，AI和ML算法在提升机器人临床应用方面扮演着重要角色，信息通信技术（Information and Communications Technologies，ICT）可明显提升机器人应用性能。在智能采样应用方面，深圳市人工智能与机器人研究院开发了一种刚柔耦合机械臂，并对机械臂的运动模型、运动规划和力感知控制进行设计，通过仿生微气动执行器实现咽部精准定位和拭子采样，此项研究分别对口腔模型和志愿者开展系统性能验证和采样质量比对实验，结果表明机器人采样有效性达100%[21]。另有研究团队借助3D打印技术开发了低成本鼻咽拭子采样机械臂，通过二自由度末端执行器和六自由度全方位机械臂装置即可实现精准采样[22]。

为迅速应对疫情突发，随时随地开展检测工作，移动方舱实验室被广泛应用。由清华大学团队开发的“新冠病毒核酸检测移动实验室”（图2c），搭载全自动采样机器人、快速灭活系统和微流控芯片核酸检测系统等6个模块，可在45 min内完成核酸检测，灵敏度达150 copies/mL，且与RT-PCR结果相比具有很好的一致性（κ=0.979）[23]。华大基因“火眼”实验室（图2d）是面向突发性疫情防控和大规模人群筛查而研发的快装式负压硬气膜核酸检测实验室，可根据实际通量需求进行灵活组装，可实现6小时内快速安装，12小时内设备调试完成投入使用。另有Opencell公司开发的一体化COVID-19检测集装箱可安置于船舶或集装箱车，24 h可完成2000份样本测试且已投入生产使用[24]。

4 AI在医学影像诊断中的应用

除医学实验室诊断外，X射线及胸部计算机断层扫描（Chest computed tomography， CT）检查在COVID-19临床诊疗及分型中至关重要，而AI在无接触数据采集、早期诊断和定量分析等方面赋予了医学影像新的临床角色。Shashank Mishra等[25]研究人员通过COVID-19 AI Detector（CovidAID）技术对胸部X射线影像进行分析（图3），筛选出需要动态检测核酸的人群，并对可能发展为新冠病毒肺炎的患者进行早期预警。该研究在CNN的基础上，以SSD （Single Shot MultiBox Detector） 为目标检测算法，通过视觉几何组-16（Visual Geometry Group-16，VGG-16）网络结构模型提取图像特征，通过DenseNet201、ResNet50V2、InceptionV3模型进行训练，采用IoU（Intersection over Union）来衡量目标检测任务中预测结果的位置信息准确程度，最后通过随机抽样输入解释（Randomized input sampling for explanation， RISE）技术实现最优图像可视化，诊断准确度可达0.98。

目前，已有多个用于COVID-19医学影像AI诊断的数据系统。华中科技大学团队构建了医学影像学和临床诊断信息数据库iCTCF（http：//ictcf.biocuckoo.cn/），应用混合机器学习技术开发了新冠患者无偏倚预测（Hybrid-learning for unbiased prediction of COVID-19 patients， HUST-19）分析系统;该系统可结合患者临床症状准确预测病程发展，以便及时采取治疗隔离措施，为新冠肺炎早期诊断提供了有力支持[26]。此外，多个医学影像诊断数据平台被报道，如RICORD[27]、NCCID[28]、BSTI[29]等，数据库图像资源不断扩充、注释、存储和共享，为COVID-19智慧化诊断提供了新平台，同时为国际横向合作开拓了新视野。

5 AI在远程医疗中的应用

早发现、早排查、早预警、早处置是防止疫情扩散的关键，而传统的筛查流调方式进展缓慢，物连网（Internet of Things， IoT）技术在很大程度上解决了这一问题。IoT技术的发展，促使医疗设备、材料和患者的数据采集更加方便、快捷和准确。基于IoT技术的智能远程监护系统能够采集和保存远程产生的所有影像、文字、图片等资料，同时可将患者远程诊疗前后的生理指标进行比对和分析，实现远程医疗的可视化和智能化。图4所示为COVID-19远程医疗系统的构建模型，人群可佩戴智能监控手环，通过无线生物传感器监测体温、心率、血氧饱和度和咳嗽音。监控系统通过GPS实时定位识别将监测数据传输给管辖医疗部门，以实现方便、快捷地筛查和识别疑似患者，同样也适用于ICU等住院患者[30]。当被观察者监控数据出现异常时，系统立即发布预警提升，IoT系统对无线监控设备进行追踪，以便及时确定个体位置并通知相关卫生健康部门采取管控措施。

智能机器人在远程医疗工作中同样扮演着核心角色，在健康监测、环境消毒、物品转运、导诊咨询等方面最大程度节省了人力资源。红外测温机器人可高精度识别体温，快速准确完成人流密集场景下人群的体温筛查及佩戴口罩提示。贝叶斯医用机器人HINER（图5a）同时支持消毒液超干雾化消毒、UVC紫外线消毒和空气净化消毒三种模式，并可自主规划消毒路线，消毒完成后自动回桩充电。BUDDY机器人（图5b）可实现预检分诊、问诊服务、智能导航等多项服务，打造了智慧化医疗服务综合解决方案，实现无接触智能服务响应。在远程服务方面，MATTERNET公司开发的小型无人机M2 Drone（图5c）可用于检测试剂或样本的空中转运，依托免碰撞系统、惯性测量单元和全球定位系统可完成70公里运输任务，为偏远地区样本检测服务提供了技术支持。另外，浙江大学研发的机器人Yumi（图5d）可远程协助甚至替代医护人员在隔离病房中执行常规护理任务，通过遥控操作可实现远程听诊、物品递送、常规医疗仪器面板触控及视频通讯问诊，有效避免医护人员频繁进出隔离病房，降低感染风险[31]。

6 AI在药物研发中的应用

新药研发策略主要包括新药开发和现有药物再利用，前者开发过程漫长、复杂，后者相对快速、高效、经济且安全。面对突发疫情，AI技术有效解决了药物研发的燃眉之急。基于计算机辅助有机化合物（Computer Aided Organic Compound Synthesis，CAOCS）系统或计算机辅助药物设计（Computer Aided Drug Design， CADD）系统，AI可大幅提高药物研发效率，在药物靶点筛选、先导化合物发现、临床试验对象选择、药物再利用、多重药理等方面发挥核心作用[32]。以再利用药物数据库、开源化学数据库/药物数据库为数据来源，借助ML、DL模型，可通过CNN、RNN、深度置信网络（Deep Belief Networks， DBN）实现目标药物再利用（图6）[33]。

病毒进入细胞主要是通过受体介导的内吞作用进行的，一个已知的内吞调节因子是AP2相关蛋白激酶1 （AP2-associated protein kinase 1，AAK1），这意味着破坏AAK1就可能会中断病毒进入细胞的途径，同时中断病毒颗粒胞内组装。基于此，研究者借助结构化医学信息库BenevolentAI，通过ML从科学文献中提取大量连接关系，共搜索出378种AAK1抑制剂。其中已应用于临床的药物有47种，6种为AAK1高亲和力药物，考虑到药物副作用和常规治疗血浆浓度，首选巴瑞替尼（Baricitinib）为新冠肺炎治疗药物[34]。另有研究团队采用虚拟筛选（Virtual screening，VS）技术对药品银行存储的药物和天然产物进行初步评估，基于病毒蛋白和人ACE2受体结构筛选含硅药物用于新冠肺炎治疗。该研究还构建了交互式在线平台“神农”（https：//shennongproject.ai/），可对药物名称或靶标蛋白进行搜索并显示潜在靶标位点的3D结构，该平台不仅用于新药研发的评估工具，还可作为在线教育资源，为COVID-19科学研究提供重要数据支撑[35]。

7 小结

在抗击新冠肺炎疫情期间，AI在临床诊疗、远程服务、疫情防控、药物研发等多个方面做出重要贡献，也为公众在现实生活中接触、体验和理解人工智能提供了有利契机。目前，AI在体温监控、环境消杀、物品传递、智能采样四方面的应用相对成熟，已有商品化产品投入实际使用;但其在临床诊疗中的应用仍处于研究阶段，还需要医疗机构、科研机构、企业三方通力合作，共同推进。相信随着新兴技术的快速发展和实践积累，AI产品会逐渐趋于商业化、市场化、普及化，也将在大健康产业时代充分展现其科技魅力。

参考文献

[1] WHO Coronavirus （COVID-19） Dashboard [EB/OL]. （2022-5-30）[2022-5-30]. https：//covid19.who.int/.

[2] Callaway E， Ledford H. How bad is Omicron[J]？ Nature， 2021， 600： 197-199.

[3] Howard J. Artificial intelligence： Implications for the future of work[J]. American journal of industrial medicine， 2019， 62（11）： 917-926.

[4] Mintz， Y.， Brodie， R. Introduction to artificial intelligence in medicine[J]. Minimally Invasive Therapy & Allied Technologies， 2019， 28（2）： 73-81.

[5] Wiley， V.， & Lucas， T. Computer vision and image processing： a paper review[J]. International Journal of Artificial Intelligence Research， 2019， 2（1）： 29-36.

[6] Rajkomar， A.， Dean， J.， Kohane， I. Machine learning in medicine[J]. New England Journal of Medicine， 2019， 380（14）： 1347-1358.

[7] Handelman， G. S.， Kok， H. K.， Chandra， R. V.， etc. eDoctor： machine learning and the future of medicine[J]. Journal of internal medicine， 2018， 284（6）： 603-619.

[8] LeCun Y， Bengio Y， Hinton G. Deep learning[J]. nature， 2015， 521（7553）： 436-444.

[9] Yang， S.， Zhu， F.， Ling， X.， etc. Intelligent health care： Applications of deep learning in computational medicine[J]. Frontiers in Genetics， 2021， 12， 444.

[10] Zhang， S.， Bamakan， S. M. H.， Qu， Q.， etc. Learning for personalized medicine： a comprehensive review from a deep learning perspective[J]. IEEE reviews in biomedical engineering， 2018， 12： 194-208.

[11] Renganathan， V. Overview of artificial neural network models in the biomedical domain[J]. Bratislava Medical Journal， 2019， 120（07）， 536–540.

[12] Haleem A， Javaid M， Khan I H. Current status and applications of artificial intelligence （AI） in medical field： An overview[J]. Current Medicine Research and Practice， 2019， 9（6）： 231-237.

[13] Ghosh A， Sufian A， Sultana F， et al. Fundamental concepts of convolutional neural network. Recent Trends and Advances in Artificial Intelligence and Internet of Things[M]. Springer， Cham， 2020： 519-567.

[14] Anwar S M， Majid M， Qayyum A， et al. Medical image analysis using convolutional neural networks： a review[J]. Journal of medical systems， 2018， 42（11）： 1-13.

[15] Wang T M， Tao Y， Liu H. Current researches and future development trend of intelligent robot： A review[J]. International Journal of Automation and Computing， 2018， 15（5）： 525-546.

[16] Bragazzi N L， Dai H， Damiani G， et al. How big data and artificial intelligence can help better manage the COVID-19 pandemic[J]. International journal of environmental research and public health， 2020， 17（9）： 3176.

[17] Awotunde J B， Jimoh R G， Oladipo I D， et al. Big data and data analytics for an enhanced COVID-19 epidemic management[M]. Artificial Intelligence for COVID-19. Springer， Cham， 2021： 11-29.

[18] Ardabili S F， Mosavi A， Ghamisi P， et al. Covid-19 outbreak prediction with machine learning[J]. Algorithms， 2020， 13（10）： 249.

[19] Muhammad L J， Algehyne E A， Usman S S， et al. Supervised machine learning models for prediction of COVID-19 infection using epidemiology dataset[J]. SN computer science， 2021， 2（1）： 1-13.

[20] Wang X V， Wang L. A literature survey of the robotic technologies during the COVID-19 pandemic[J]. Journal of Manufacturing Systems， 2021， 60： 823-836.

[21] H. Zhang， Q. Wang， C. Chi， et al. Design and Implementation of a Novel， Intrinsically Safe Rigid-Flexible Coupling Manipulator for COVID-19 Oropharyngeal Swab Sampling[C]. IEEE International Conference on Robotics and Automation， 2021： 12282-12288.

[22] Wang S， Wang K， Tang R， et al. Design of a low-cost miniature robot to assist the COVID-19 nasopharyngeal swab sampling[J]. IEEE Transactions on Medical Robotics and Bionics， 2020， 3（1）： 289-293.

[23] Xing W， Wang J， Zhao C， et al. A Highly Automated Mobile Laboratory for On-site Molecular Diagnostics in the COVID-19 Pandemic[J]. Clinical chemistry， 2021， 67（4）： 672-683.

[24] Walker K T， Donora M， Thomas A， et al. CONTAIN： An open-source shipping container laboratory optimised for automated COVID-19 diagnostics[J]. bioRxiv， 2020.

[25] Shashank Mishra， Himanshu Kumar Shukla， Rajiv Singh， et al. Covid-19 Detection Using AI[J]. International Journal of Scientific Research in Science， Engineering and Technology， 8（3）： 561-566.

[26] Ning， W.， Lei， S.， Yang， J. et al. Open resource of clinical data from patients with pneumonia for the prediction of COVID-19 outcomes via deep learning[J]. Nat Biomed Eng， 2020， 4， 1197–1207.

[27] Tsai E B， Simpson S， Lungren M P， et al. The RSNA international COVID-19 open radiology database （RICORD）[J]. Radiology， 2021， 299（1）： E204-E213.

[28] Jacob J， Alexander D， Baillie J K， et al. Using imaging to combat a pandemic： rationale for developing the UK National COVID-19 Chest Imaging Database[J]. European Respiratory Journal， 2020， 56（2）： 2001809.

[29] Hare S S， Rodrigues J C L， Jacob J， et al. A UK-wide British Society of Thoracic Imaging COVID-19 imaging repository and database： design， rationale and implications for education and research[J]. Clinical radiology， 2020， 75（5）： 326-328.

[30] Chen S W， Gu X W， Wang J J， et al. AIoT Used for COVID-19 Pandemic Prevention and Control[J]. Contrast Media & Molecular Imaging， 2021， 52（4）： 200-202.

[31] Yang G， Lv H， Zhang Z， et al. Keep healthcare workers safe： application of teleoperated robot in isolation ward for COVID-19 prevention and control[J]. Chinese Journal of Mechanical Engineering， 2020， 33（1）： 1-4.

[32] Mak K K， Pichika M R. Artificial intelligence in drug development： present status and future prospects[J]. Drug discovery today， 2019， 24（3）： 773-780.

[33] Mohanty S， Rashid M H A， Mridul M， et al. Application of Artificial Intelligence in COVID-19 drug repurposing[J]. Diabetes & Metabolic Syndrome： Clinical Research & Reviews， 2020， 14（5）： 1027-1031.

[34] Richardson P， Griffin I， Tucker C， et al. Baricitinib as potential treatment for 2019-nCoV acute respiratory disease[J]. Lancet， 2020， 395（10223）： e30.

[35] Xu C， Ke Z， Liu C， et al. Systemic in silico screening in drug discovery for coronavirus disease （COVID-19） with an online interactive web server[J]. Journal of Chemical information and modeling， 2020， 60（12）： 5735-5745.