您现在的位置:主页 > 生活新闻
分享

由中国计算机学会(CCF)和中国中文信息学会(CIPS)联合主办,由西安电子科技大学承办的第二十六届全国信息检索学术会议(The 26th China Conference on Information Retrieval, CCIR 2020)召开。医渡云首席AI科学家闫峻受邀参加此次会议,并通过题为《疫情常态化防控新形式下的数据智能》的特邀报告,深度讲解了如何通过数据智能化技术对疫情的传播进行及时发现,及时预警,及时阻断;以及如何在常态化疫情防控中,在降低疫情死亡率同时,有条件保障社会生产生活的恢复及正常运转等内容。

在疫情期间,医渡云始终站在抗击疫情的第一线,协助国内十多个城市,迅速建立起新冠肺炎疫情监控平台,通过AI技术辅助多地政府开展有效的动态监测和疫情研判,实现对当地疫情的早发现、早预警、早阻断,有效助力政府精准施政,为制定复工复产政策提供强有力的支持。凭借医渡云在此次疫情防控中的突出表现,今年的全国信息检索学术会议(CCIR)特邀医渡云首席AI科学家闫峻,为与会人员深入阐述了数据智能化技术,在提升疫情的防控效率和质量方面,发挥的重要作用。

报告涉及自然语言处理,信息检索,知识图谱,流行病预测模型,疾病预测模型等多项技术手段。本次报告以具体案例分析数据智能技术,在实现城市免疫目标的过程中,面临的新挑战与具体应用。

医渡云闫峻:疫情常态化防控新形势下的数据智能

明确疫情防控目标

技术弥补防疫短板

新冠肺炎疫情大流行,暴露了全球公共卫生医疗体系应急能力不足、基础技术支撑不够、公共卫生基础设施建设有待提升等一系列短板,特别是从近期北京和大连的疫情复发来看,病毒通过货运冷链的传播,也体现了我们对病毒传播认知上的不足。因此,在未来较长一段时间内,我们还将继续应对散发病例、境外输入以及聚集性疫情的多重风险。

疫情常态化防控新形势下,如何加快推进生产生活秩序全面恢复,同时保住来之不易的阶段性成果,成为当下疫情防控的主要目标。在此次新冠肺炎疫情防控中,AI技术在辅助流行病学调查,传染病分析预测、预警等方面,体现了不可取代的效率和价值。因此,在没有特效药的"空窗期"时,利用智能化手段进行疫情常态化防控就显得尤为重要。

仿真模拟助力政府决策

动态平衡恢复社会活力

事实证明,如果采取非常严格的政策和措施,虽然可以把疫情控制好,但也会给生产生活带来非常大的负面影响;如果疫情防控政策放开,经济发展可以短时间回归正轨,但是对国民健康和安全会带来巨大的伤害。而就目前来看,这次疫情可能会与人类长期共生。因此,如何在疫情防控常态化下,防控从"静态管理"向"动态管理"转变十分必要。

怎样在实现疫情防控的同时,让社会经济正常运转?单一的方法和工具往往很难保证两者都能兼顾。医渡云认为,疫情管理是个动态平衡的管理过程,既将疫情死亡率降到最低,同时也逐步有条件恢复生产生活,社会经济活动。而要实现动态平衡的闭环管理,就要解决2个核心问题。

第一,我们要了解真实世界现状,包括疫情动态跟踪,医疗资源监控,传染路径还原等情况,来对疫情的发展趋势变化进行一个科学的预判,而这仅仅依靠一个简单的SEIR模型是无法完成的。只有掌握更多的影响疫情发展走势的政策因素,才能更准确地仿真模拟出疫情未来可能的发展变化情况,这样才能更好地支撑政府决策。

第二,利用人工智能技术助力有关部门构建数据中心,在数据中心里面把人和人之间关系、人和区域的关系关联起来,发挥社会网络优势,根据授权把各种多源异构数据融合到数据中心里,进而构建居民端、政府端、医院端的不同应用。

这三端的应用不仅可以在疫情防控中发挥各自作用,更重要的是,把这三端应用通过不同形式组合起来,就能形成整套的疫情动态闭环管理解决方案,建立城市免疫体系。这样,在有限医疗资源情况下,在不超出医疗资源承受范围之内,不仅能将疫情传播和死亡率降到最低,也能帮助疫情地区进行复工复产,保证社会经济生活正常进行。

多重模型组合实现防控"三早"

临床辅助系统提升救治效果

无数案例证明,降低疫情死亡率,尽早发现、预警和阻断疫情传播,是目前新冠肺炎防治过程中被验证过的非常有效的方式。AI技术在帮助管理部门提升早发现、早预警、早阻断的能力上,可以发挥无可比拟的作用。

早发现:

对于具有传染性的流行疾病,如果能早发现一天,就可尽早阻断患病人数指数级增长的趋势。而AI可以通过实体识别、语义计算等自然语言处理技术,将大量的分布在不同医院的电子病历文本进行有效的结构化、标准化,进而监测目标观测量(如目标症状集合),通过移动百分位法(Moving percentile method)等算法,综合不同时间和不同区域的数据,实现精准的时空计量建模,判断症候群异常及异常评估,建立症候群监测系统,进而实现爆发预警和预警分级。

观察模型监测与拟合症状在时间序列上的趋势变动,就可以找到患者的行动轨迹,并构建人际关系的图模型,综合分析人际传播的可能性,从而及时发现异常,进一步提高监测敏感度,形成动态的、多点触发的预警研判模式,就能够提高对新发、不明原因疾病的早期发现和风险预警的能力。

医渡云闫峻:疫情常态化防控新形势下的数据智能

早预警:

一旦发现疫情,就需要及时对疫情走势进行预测与判断,从过往实践经验中可以看到,政策举措的实施对于传染病防控至关重要,采取严格的管控措施,疫情确实能够在短时间内得到相对好的控制,但如果想在疫情有效管控的同时,也能保障社会经济生活的正常运转,这就需要对判断发展趋势进行动态观察。

随着政策变化和疫情趋势的变化,疫情发展曲线也随之改变。这就需要用到仿真模型的构建技术,模拟应急处置政策方案实施后对整体态势的影响,验证决策的效果、预测风险,便于提前制定预案和物资储备。 在协助国家CDC进行疫情风险评估的过程中,医渡云的仿真模拟系统,就是根据全球140多个国家的疫情公开流行曲线,以及各国家地区的在不同时间点上的防控政策举措,构建模拟仿真模型,助力政府管理部门模拟不同政策措施影响下的疫情走势。

医渡云在这次疫情中,将AI技术充分应用在传染病SEIR数学模型上,进行预测预警、模拟仿真。结合各地不同的政策举措,当地办公室办公密度,家庭平均面积,主流出行方式,戴口罩依从度,以及慢病肿瘤患者人口比例等多种复杂情况,利用统计分析技术进行参数估计,构建仿真模型,对采用不同政策措施之后的走势情况做出预判。另外根据当地定点医院的床位数、核酸检测的供应量和检测能力、ICU数量、呼吸机数量等情况,结合疫情走势,及时调整模型,在超出城市医疗能力承接的警戒线前,发出疫情预警,帮助政府部门及早根据当前运行情况,进行预测和分析,辅助公卫决策,匹配医疗资源。

早阻断:

疫情防控中,及时找到传染源、切断传播途径是降低疫情蔓延行之有效的方法,为了这个目标就要牵涉一系列模型建模工作,例如健康码,根据历史行程轨迹及密接史,对个人风险指数进行估算,可以起到良好的效果。在这一过程中,往往不是一个单一模型就能够解决问题,需要将各类模型应用串联在一起,形成一整套解决方案。实现早阻断,也不是某一个机构就可以独立完成的,其中涉及的个人多维度信息,还需要公安、边防、医院等部门的充分配合,才能够进一步实现疫情的早阻断。

对于疫情防控,更好的治疗方法,同样起着至关重要的作用。但不是所有地区都有足够的疫情救治经验,因此,如果在治疗流程中,有一个能够辅助支持临床治疗的系统,去帮助一些缺乏经验的国家和地区,为临床医生提供更优质的治疗方案,不仅能提升临床治疗效果,还可以节省更多的医疗资源,去救治更多的患者。这对于降低患者死亡率,起到了非常积极的影响。

从今年3月以来,医渡云开始协助武汉同济医院打造新冠肺炎专病智能数据库,基于真实世界信息和各类医疗文献,通过数据统计的方式,根据授权提取相关知识,绘制新冠肺炎知识图谱,构建临床辅助支持系统。并且基于真实世界数据,利用梯度下降树(GBDT)等算法,开发预测轻症患者转重症、重症患者死亡等预测模型,支持新冠患者病情进展预测,对病情可能的恶化早干预,降低重症率和死亡率。医院、医生及相关科研机构,已经基于新冠肺炎专病大数据智能平台,开展了多项新冠肺炎相关临床研究,并产出了多项科研成果,已在TheLancet Oncology、Annalsof InternalMedicine等知名期刊上发表多篇高质量文章。

"联邦学习"提升信息安全

诸多挑战期待共同解决

虽然,AI技术已经在医院管理、健康管理、电子病历处理和分析、临床辅助决策支持等医疗健康领域逐渐崭露头角。但是在数据应用方面,虽然真实世界已有的数据规模非常大,但AI开发者仍要面临数据不好用、不能用、不敢用等困扰。而这里更重要的一个挑战,就是如何在解决信息集中的同时,保护这些信息的安全性。

在实现信息集成计算同时,保护个人信息隐私,"联邦学习"是一个非常有效的手段,可以在数据分散在不同系统的条件下,实现任务目标的学习。

目前医渡云在自然语言处理技术、医学预测模型、医学统计分析、临床试验模拟等医疗领域的应用场景中,已经开始应用"联邦学习"的方法,在实现医疗信息集成的同时,更好地保护个人信息安全。我们也希望有越来越多的人,来共同研究这个领域和方向,让更多人可以因医疗人工智能技术的进步而受益。

发布时间:2021-01-06 16:58

责任编辑:admin

免责声明: 转载目的在于传递更多信息,文章版权归原作者所有,内容为作者个人观点。本站只提供参考并不构成任何投资及应用建议。如涉及作品内容或其它问题,请在30日内与工作人员联系(18731251601),我们将第一时间与您协商。谢谢支持!