導語：人工智能在抗擊的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】病毒肺炎（COVID-19）引起了全球大規模疫情，對全球政治、經濟等各方面造成巨大影響。目前人類對SARS-Cov-2本身及作用機制、流行病學和臨床診治等方面尚不完全清楚，尚無疫苗，無特效藥，因此，利用新技術對COVID-19進行早診斷、早隔離和早治療具有重要的意義。人工智能作為當今研究的一個熱點領域，已廣泛應用于臨床醫學各領域。本研究綜述了人工智能在COVID-19疫情中的應用，包括放射影像診斷、疾病預測、疾病追蹤、和藥物研發。本研究能為COVID-19的防治提供參考，為醫護人員了解和利用人工智能技術提供幫助。

【關鍵詞】病毒肺炎；人工智能；放射影像診斷；疾病預防；綜述

自2019年12月報道首例病毒肺炎（CoronaVirusDisease2019,COVID-19）患者以來［1-5］，截止到2020年6月27日已確診患者超過963萬，死亡人數超過49萬［6］。盡早發現患者，切斷傳染源是最有效的阻止疫情蔓延的方法。基于大數據和人工智能的新技術在人員跟蹤與風險評估方面有其獨特的優勢［7］。COVID-19感染早期表現為流感樣癥狀，如發熱、咳嗽和乏力，與流感癥狀相似，隨后呈現出不同的臨床特點。年輕人可能自行康復、或病情加重但治療后很快康復）［8-9］；然而老年人和合并心血管系統疾病的患者更容易發生重癥及危重癥化［10-16］，從而引起嚴重間質性肺炎、急性呼吸窘迫綜合征（ARDS）及隨后的多器官衰竭，導致嚴重急性呼吸衰竭和高死亡率［17］。因此早診斷尤其對重癥與危重癥的早發現能極大地降低病死率。人工智能能幫助診斷和治療決策［18-22］，提高疾病檢測的便捷性、準確度和改善患者的治療［22-26］。面對這種突發傳染病，如何科學有效治療成為擺在廣大醫務工作者面前的迫切任務。新藥開發周期長，老藥新用是目前治療的首選。人工智能能快速地從規模龐大的分子結構數據庫中篩選出潛在藥物，在藥物研發領域發展潛力巨大［27］，為COVID-19藥物篩選帶來新的機遇和希望［28］。本文綜述人工智能應用于COVID-19的國內外研究進展，具體從診斷、疾病預測與跟蹤，以及藥物篩選幾個方面展開，以期為COVID-19的防治提供參考，為醫護人員了解和利用人工智能技術提供幫助人工智能指用計算機程序進行人類的思維模擬，是計算機領域的一個重要組成部分，主要包括大數據技術、圖像識別技術、語音識別技術［29-31］。目前，人工智能特別是深度學習已經深入到醫學領域的各個方面［22,32-33］，包括協助醫生對CT等圖像進行快速、準確的解釋；改進醫療流程和減少醫療錯誤；協助患者處理自己的數據以促進健康［22］。人工智能用于藥物設計與篩選，可以極大地降低藥物研發的周期和成本［34］。目前人工智能已經在心血管系統疾病［35-36］、腫瘤［37］、傳染病（如COVID-19）［18,28］得到廣泛的應用，本文將從放射影像診斷、疾病追蹤、病例和死亡率預測以及藥物和疫苗研發4方面綜述人工智能在COVID-19中的應用。

1人工智能在放射影像診斷方面的應用

人工智能影像診斷系統是近年來的研究熱點，可以對肺部炎癥進行定量分析和鑒別診斷，已經廣泛用于協助患者CT診斷［38-44］。1.1利用人工智能閱讀胸片。逆轉錄聚合酶鏈反應（RT-PCR）是檢測感染最準確的方法，但是在一些地區試劑盒的數量不夠，且這項檢測需要的時間較長［39,45］。由于COVID-19早期便出現肺部病變，因此，通過胸部CT和X光對疑似患者進行檢測是一個很好的補充,且更有利于RT-PCR結果陰性患者的檢出［45-46］。鄧靚娜等［44］對影像學在COVID-19的應用進行了比較系統的綜述，本文僅對其文后的最新進展進行補充概述。比如Murphy等［41］利用人工智能系統（CAD4COVIDXray）對24678張CT圖像上進行了訓練后發現：人工智能對454例有RT-PCR結果的COVID-19患者X線胸片進行判斷時，曲線下面積（AreaUnderCurve,AUC）為0.81，其檢測COVID-19的能力與6名獨立放射科醫生相當。人工智能可以識別人工難以發現的早期患者，且速度比人工識別要快。Mei等［18］應用人工智能算法將胸部CT表現與臨床癥狀、暴露史和實驗室檢測相結合，快速地診斷了COVID-19陽性的患者。在一組279名患者的測試中，使用人工智能系統達到了0.92的AUC，靈敏度與一位資深胸部放射科醫生相當。對25名通過RT-PCR檢測為COVID-19陽性的患者，這些患者的CT掃描正常，放射科醫生將這些患者歸類為COVID-19陰性，人工智能卻正確識別了17名患者為陽性（68%）。Bai等［42］的研究發現：將人工智能用于輔助放射科醫生進行讀片時，可以提高放射科醫生區分COVID-19與其他肺炎的能力。在人工智能的幫助下，放射科醫生診斷COVID-19的平均精確度從85%提升到了90%，敏感性從79%提升到了88%，特異性從88%提升到了91%［42］。目前的各項研究均顯示：人工智能對胸部CT進行讀片時，表現出了很高的準確性［47］。1.2利用人工智能減少放射科醫生與患者的接觸。傳統胸片和CT工作流程中，工作人員和患者的接觸是不可避免的。許多現代X光和CT系統配備了用于監控病人的攝像機，但是由于只有頂部攝像機，還不能完成對患者的姿勢識別。而人工智能可以識別患者的姿勢和形狀，通過視覺傳感器確定最佳掃描參數。技術人員可以透過窗戶和掃描室中安裝在天花板上的人工智能攝像機傳輸的實時視頻進行觀察，并在必要時糾正患者的姿勢。一旦技術人員或運動分析算法認為患者已經準備好，患者定位算法將自動從相機拍攝的圖像中恢復患者的三維姿勢和完全重建的網格。在三維網格的基礎上，對患者目標身體部位的掃描范圍和三維中心線進行估計，并轉化為控制信號和優化掃描參數，供技術人員驗證。一旦確認，病床將自動與ISO中心對齊，并移入CT機架進行掃描［39］。

2人工智能在病例預測方面的應用

在疫情期間，分析COVID-19的發展規律，預測其發展趨勢，提早發現疑似或確診例數對COVID-19疫情的預防和控制至關重要。Zheng等［7］提出了一種用于COVID-19預測的混合人工智能模型。傳統的傳染病模型將COVID-19感染者視為具有相同的感染率，而Zheng等［7］提出了一種改進的易感感染模型（ISI），用于估計冠狀病毒感染率的變化，分析其傳播規律和發展趨勢。此外，該模型考慮到防控措施的效果和公眾防范意識的提高，在ISI模型中嵌入自然語言處理（NaturalLanguageProcessing,NLP）模塊和長短期記憶網絡（LongShort-TermMemory,LSTM），建立COVID-19預測的混合人工智能模型。這個混合人工智能模型在武漢、北京、上海和全國范圍內應用，能顯著降低預測結果的誤差，得到未來6天平均第8期劉思遠,等.人工智能在抗擊病毒肺炎疫情中的應用絕對百分比誤差分別為0.52%、0.38%、0.05%和0.86%［7］。類似地，Yang等［48］利用Susceptible-Exposed-Infectious-Removed（SEIR）模型和人工智能方法，有效預測了我國COVID-19流行高峰期及其規模，且用數據呈現了我國在2020年1月23日對湖北實施的封城措施對于減少最終的COVID-19流行規模具有非常重要的作用。此外，社交媒體搜索索引（SocialMediaSearchIndex,SMSI）能提前預測COVID-19疑似病例，從而協助政府對潛在高風險地區進行早防控。如Qin等［49］在收集了干咳、發熱、胸悶、冠狀病毒和肺炎數據的基礎上，采用SMSI進行預測，發現可以提早6~9天發現COVID-19疑似病例，且其預測的數據與10天后確診的病例具有相關性。

3人工智能在疾病追蹤方面的應用

在疫情爆發初期，中國開始以人工智能方法跟蹤疾病，依靠類似的面部識別攝像頭來跟蹤有旅行史的感染患者［50］。浙江省杭州市率先推出互聯網健康碼模式，對市民和擬進入杭州人員實施“綠碼、紅碼、黃碼”三色動態管理。“健康碼”以真實數據為基礎，由市民或者返工返崗人員通過自行網上申報，經后臺審核后，即可生成屬于個人的二維碼。該二維碼作為個人在當地出入通行的一個電子憑證，實現一次申報，全市通用。健康碼的推出，讓復工復產更加精準、科學、有序［51］。針對COVID-19，韓國疾病預防控制中心部署了名為COVID-19智能管理系統（COVID-19sms）的聯系人追蹤系統，該系統使用來自安全攝像頭畫面、信用卡記錄甚至汽車和手機的GPS數據來追蹤COVID-19感染者的移動。對于可能接觸過COVID-19的人，衛生官員會向他們發出通知。在檢測呈陽性的人群中，需要治療的人在收治COVID-19患者的定點醫院里住院治療，無癥狀感染者被要求在14天內保持自我隔離，并積極監測他們對隔離的遵守情況。迄今為止，韓國在沒有采取封鎖措施的情況下成功遏制了COVID-19的擴散［52］。在非洲國家，由于衛生系統薄弱、監測不足、實驗室能力不足和公共衛生基礎設施有限，未能有效發現和報告病例。獲得準確的診斷、監測和疫情報告需要一個資源充足的保健系統。而有證據表明，大多數資源有限的國家缺乏有效、快速的監測系統。針對COVID-19的爆發，迅速開發和部署用于篩查的護理點（Point-of-Care,POC）診斷有助于遏制疾病的傳播，減輕衛生系統的負擔。新興的健康創新技術，如區塊鏈和人工智能技術，可以與POC診斷相結合，使暴露于COVID-19的隔離患者能夠自我測試［53］。

4人工智能在藥物研發方面的作用

COVID-19目前尚無疫苗，無特效藥，新藥研究是一個非常漫長的過程，老藥新用是目前治療的首選。目前已用于治療COVID-19的藥物有羥基氯喹(Hydroxychloroquine,HCQ)、替考拉寧（Teicoplanin）、阿比朵爾(Arbidol)和洛匹那韋/利托那韋（Lopinavir/Ritonavir,LPV/RTV）等［54-55］。然而大部分藥物臨床試驗顯示其療效不佳［56-57］，因此研究者應用人工智能技術對已上市的具有治療COVID-19潛力的藥物進行篩選，使人們更快、更便宜、更有效地尋找新藥［34,58］。如Ke等［28］用兩個不同的學習數據庫，建立了一個人工智能平臺，用于識別具有抗冠狀病毒活性的潛在已有藥物；經過幾輪人工智能學習和預測過程，人工智能系統識別出80種具有市場潛力的藥物。其中，8種藥物（貝達奎林、燈盞花素、塞來昔布、氯法嗪、康尼伐普坦、吉西他濱、托卡彭和維斯莫吉布）對貓傳染性腹膜炎（FIP）病毒在Fcwf-4細胞中的增殖有抑制作用。此外，5種其他藥物（博塞普列韋、氯喹、高三尖杉酯堿、替羅酮和鹽霉素）在人工智能方法的練習中也被發現是有效的。此外，谷歌DeepMind開發AlphaFold［59］深度學習系統快速預測了COVID-19的蛋白質結構，從而為COVID-19疫苗設計提供了有價值的信息，而如果使用傳統的實驗方法獲得蛋白質結構可能需要數月的時間［58］。

5結語

人工智能作為一種輔助工具，其主要優點在于代替醫務人員或政府工作人員完成重復冗雜的工作，有效提升他們的工作效率。此外，在診斷時，它的準確率甚至要高于專家，也不會出現高強度工作下的效率下降問題［39,41-42,54］。同時，這次疫情也推動了人工智能應用的發展，在將來，隨著社會的進步，會有更好的機制推動人工智能服務于人類。但是，人工智能仍有其局限性，主要包括受試者隱私和數據的安全性［60］。隨著時間的推移，人工智能在其準確性、工作效率和工作流程方面可能會顯著改進，但其倫理問題，數據提取與再利用導致可能的泄密仍然難以解決，此外，人工智能替代醫生可能會加劇醫患矛盾［22］。

總之，“AI+醫療”將成為未來醫療的發展方向，協助醫生做出更精準、更有效的決策方案，但是對患者隱私的保護和數據安全等問題需要人工智能技術的不斷完善和醫護人員的共同努力去攻克。

作者:劉思遠 張麗軍 劉雷 單位:1.上海師范大學信息與機電工程學院 2.上海市公共衛生臨床中心新藥臨床研究中心 3.復旦大學