疫情來襲，社會各界紛紛采用人工智能（AI）技術提升疫情治理及物資管理能力，提高疫情診斷及防控水平，業界涌現出一批優秀應用案例。但可以看到，在本次疫情防控中，AI主要聚焦于公眾及醫療信息的收集處理建模以及自然語言處理等應用，由于技術本身仍不完備，相關數據采集能力建設滯后，仍有很大的提升空間，各界抗擊疫情積累的一線經驗將沉淀為實際需求，對后續AI發展產生深刻影響。

AI賦能，抗疫產品服務涌現

AI賦能，使得疫情管控能力不斷提升。得益于以深度學習為代表的AI技術對于海量非結構化數據的端到端建模能力，以及在自然語言處理等感知應用方面取得的長足進步，服務于疫情管控的平臺服務層出不窮。

首先，采用AI及大數據工具打造的追蹤及查詢平臺能夠智能整合匹配患者信息、交通信息、地理信息、醫用物資信息等多維度數據，對整體人流遷移情況、交通疾控管制、同行人群搜索、物資需求對接等多項功能提供可視化展示及搜索工具，完成對患者及接觸者跟蹤及智能匹配分析等任務，實現了醫用物資高效對接，極大提升了疫情管控效率；其次，基于自然語言處理技術的智能信息服務平臺能夠完成包括疫情知識宣貫、疫情進展通報、智能對話查詢、智能外呼尋訪等在內的個性化信息采集及交互任務，減少了信息宣貫及采集人員流動接觸帶來的感染風險，有效節約了人力、物力，同時提升了信息采集效率。

AI助力，使得診療技術手段不斷豐富。在本次疫情防控“戰役”中，AI技術在問診導診、病毒檢測、輔助診斷、基因分析及數據預測方面也發揮了重要作用，業界涌現出一批優秀應用案例。

針對廣大公眾群體的需求，各大科技公司紛紛推出線上咨詢及問診服務，通過智能語音客服、遠程線上預診等方式實現了對于疫情病情的初篩，提供高效的多人體溫檢測及人體識別系統。通過AI技術輔助，在各類公共場所高密度人員流動場景下的工作人員快速定位體溫異常者，實現非接觸密集型人流AI輔助溫感解決方案，同時能夠將體溫檢測結果與人員身份進行有效綁定。

針對醫患群體的需求，科技公司在病毒檢測、輔助診療、藥物研發等領域提供了高效工具：借助計算機視覺技術的醫療影像輔助診斷系統，能夠對肺部CT進行更為快速的判斷，AI工具賦能基因分析可將原來數小時的疑似病例基因分析縮短至半小時，大幅縮短確診時間，并能精準檢測出病毒變異情況；AI模型的數據預測能力也得到充分發揮，對于新型冠狀病毒RNA二級結構的預測時間從55分鐘縮短至27秒；醫療導診、智能遞送、測溫等機器人等也開始在疫情定點醫院展開服務，減少了接觸傳染概率。

AI技術賦能關鍵問題分析

盡管AI技術應用在醫療領域已有一定基礎，但依然存在著技術自身短板及能力建設滯后等關鍵問題，制約了AI技術在疫情防御方面發揮更大的作用。

第一是AI的不可解釋性無法有效融入流行病學體系。流行病學體系中關于生物研究及醫藥學科研發需要對于數據內在關聯因素有詳盡的論證，疫苗制造、藥物研發等需要嚴謹的科學研究，盡管AI模型能夠快速實現數據內在關系的建模挖掘，但尚不能解釋其因果及相關性原因，因此依靠AI算法對流行病進行建模還需進行可解釋性的理論攻關。

第二是AI對于多維數據的處理能力不足，體系化的綜合解決方案賦能尚需時日。當前AI模型輸入對于數據要求高，需要數據清洗對齊等大量前期工作。而各信息通信系統采集數據規則不同、格式各異，盡管各個維度數據統計覆蓋相對完備，但仍然無法在短時間內成為AI系統的有效輸入，導致了大量關鍵數據重復收集處理的資源浪費。

第三是數據采集及整合能力建設滯后，制約了AI融合進程。在疫情數據采集中，個人出行信息、生物特征信息、病情病理信息等數據的采集分析對于打贏抗疫“戰役”至關重要，而由于相關數字化信息采集及整合能力匱乏，建設及采集主體分散，疫情治理所需的相關基站數據（運營商采集處理）、支付數據（銀聯及第三方支付機構采集處理）、出行數據（鐵路公司和航空公司及酒店等信息系統采集處理）、城市攝像頭及戶口等行政數據（公安部門采集處理）的采集能力仍然相對欠缺，同時尚未形成有效的數據規范體系，直接制約了AI在疫情防控治理中的融合高效應用。

第四是技術供給和需求側對接仍然存在人員及系統融合問題。由于疫情防控領域門檻較高，需要技術供給方對于相關防疫理論及操作流程有深刻理解，而當前技術提供方跨領域人才稀缺，無法有效滿足需求側實際需求。同時，醫用信息化系統與AI系統的融合尚處初期階段，新老系統遷移融合進度滯后影響了供給側和需求側的有效銜接。?

未來AI技術及產業發展趨勢預測

隨著各行各業信息化水平不斷提高，跨領域人才不斷增加，相關醫療及疫情經驗不斷積累，AI技術及產業發展路徑將更加明確，融合進程將進一步加深，勢必對AI技術演進及產業發展產生深遠影響。

第一是人工智能海量多維度數據處理能力及新老系統融合進程將極大提升。隨著多模態學習、遷移學習等技術的提出，AI對于海量多維醫療、地理、圖像等數據的處理、建模及預測能力將進一步增強，體系化建模及平臺服務能力將進一步提升，新老系統融合進一步提速，傳統醫療行業信息化供應商與以互聯網公司為代表的AI技術提供商合作將更加緊密。

第二是新型醫療對于傳統醫療的加速代替。醫療問題的核心在于醫療資源的合理分配，在于關鍵時刻醫療資源的調度能力，在于醫療資源的協同性和共享性，而AI技術在相關系統及模型優化方面具有天然優勢，相信疫情將進一步推動醫療改革進程，同時，AI將作為重要技術工具抓手為改革助力。

第三是智慧城市建設及治理對于傳統城市治理的加速代替。疫情防控所需的信息化基礎不足在本次疫情中得以體現，隨著信息化程度進一步加深，交通管理、物流供應鏈、應急災備、信息溯源等將逐漸全面數據化，這將為AI的災備預測、技術治理、信息管控等提供最為重要的數據基礎，從而全面提升智慧城市建設進程，實現現代化治理。

疫情給予我們的不應只有傷痛，更是一種警示與方向：科學技術并不是放在科技館里面的展示品，而應當成為一套有用的工具。當前，疫情防控仍處于關鍵時期，AI技術抵抗疫情為我們提供了良好的示范案例，并仍在不斷涌現。雖然目前只能暫緩疫情蔓延，但科技工具的使用已經改善了協作模式，通達了信息溝通，強化了治理能力，更是為后續技術及產業發展明確了路徑，提供了經驗。我們期盼著，春暖花開時，一切皆安，嶄新開始。
責任編輯；zl