在流行病爆發之前預測它

事實證明，加拿大藍點演算法在識別最新冠狀病毒的威脅方面比專家更快。 在美國疾病管制與預防中心 (CDC) 和世界衛生組織 (WHO) 向世界發出正式通知的幾天前，他向客戶通報了這項威脅。

卡姆蘭汗 (1)、醫師、傳染病專家、計畫創辦人兼首席執行官 藍點，在新聞採訪中解釋了這個預警系統如何使用人工智慧（包括自然語言處理和機器學習）來監控甚至 一百種傳染病同時發生。 每天分析 100 種語言的約 65 萬篇文章。

1. 卡姆蘭汗和一張顯示武漢冠狀病毒傳播的地圖。

這些數據向公司發出信號，告知他們何時應通知客戶傳染病的潛在存在和傳播。 其他數據，例如旅行和航班信息，可以幫助提供有關爆發可能性的更多線索。

BlueDot 模型背後的想法如下。 盡快獲取資訊 醫護人員希望他們能夠在威脅早期診斷並在必要時隔離感染者和潛在感染者。 Khan 解釋說，該演算法不使用社群媒體數據，因為它「太混亂」。 然而，「官方資訊並不總是最新的，」他告訴 Recode。 反應時間對於成功預防疫情爆發至關重要。

2003年，事情發生時，汗正在多倫多擔任傳染病專家。 流行性非典。 他想開發一種新方法來追蹤這些類型的疾病。 在測試了多個預測程序後，他於 2014 年推出了 BlueDot，並為其項目籌集了 9,4 萬美元的資金。 公司現有員工四十名， 醫生和程式設計師他們正在開發一種追蹤疾病的分析工具。

收集數據並進行初步選擇後，他們進入遊戲 分析師. 後 流行病學 他們測試研究結果的科學有效性，然後向政府、企業和衛生專業人員報告。 客戶.

汗補充說，他的系統還可以使用一系列其他數據，例如有關特定地區氣候、溫度的信息，甚至有關當地牲畜的信息，來預測感染該疾病的人是否可能導致疫情爆發。 他指出，早在 2016 年，Blue-Dot 就能夠預測佛羅裡達州將爆發寨卡病毒，比該地區實際報告的時間早了六個月。

該公司以類似的方式運作並使用類似的技術。 代謝群監測 ARVI 疫情。 其專家曾確定，這種病毒的最大風險出現在泰國、韓國、日本和台灣，而且是在這些國家宣佈病例的一個多星期前確定的。 他們的一些結論是基於對客運航班數據的分析而得出的。

Metabiota 與 BlueDot 一樣，使用自然語言處理來評估潛在的疾病報告，但也致力於為社交媒體訊息開發相同的技術。

馬克·加利文Metabiota的數據科學總監向媒體解釋說，線上平台和論壇可以發出疫情爆發風險的訊號。 專家也表示，他們可以根據疾病症狀、死亡率和獲得治療的機會等資訊來評估疾病傳播、導致社會和政治動盪的風險。

在網路時代，每個人都希望能夠快速、可靠且清晰地以視覺方式呈現有關冠狀病毒流行進展的信息，例如以更新的地圖的形式。

2. 約翰霍普金斯大學冠狀病毒 2019-nCoV 儀表板。

約翰霍普金斯大學系統科學與工程中心開發了也許是世界上最著名的冠狀病毒儀表板 (2)。 他還提供了完整的資料集，以 Google 試算表的形式下載。 地圖顯示了新病例、確診死亡人數和康復人數。 用於視覺化的數據來自多個來源，包括世界衛生組織、疾病預防控制中心、中國疾病預防控制中心、國家衛健委和丁香園（一個實時整合國家衛健委報告和當地疾控中心情況報告的中文網站）。

診斷只需幾小時，而不是幾天

世界首次聽說一種新疾病出現在中國武漢。 31 12月2019城市 一週後，中國科學家宣布他們已經找到了罪魁禍首。 接下來的一周，德國專家開發了第一個診斷測試 (3)。 速度很快，比SARS或前後類似流行病快得多。

在上個十年初期，尋找某種危險病毒的科學家必須在培養皿中的動物細胞中培養牠。 你必須已經創造了足夠的病毒 分離DNA 並透過稱為的過程讀取遺傳密碼 測序。 然而，近年來這項技術得到了巨大的發展。

科學家甚至不再需要在細胞中培養病毒。 它們可以直接檢測患者肺部或血液分泌物中極少量的病毒 DNA。 這需要幾個小時，而不是幾天。

目前正在開發更快、更方便的病毒檢測工具。 新加坡 Veredus 實驗室正在開發便攜式偵測套件 維瑞晶片 (4)將於今年1月XNUMX日起發售。 借助高效、便攜式的解決方案，當醫療團隊在當地實施時，識別感染者以便他們能夠獲得適當的醫療護理也將更快，特別是在醫院人滿為患的情況下。

最近的技術進步使得近乎即時地收集和分享診斷結果成為可能。 Quidel 平台的範例 索非亞 我是一個系統 PCR10 薄膜陣列 BioFire 對呼吸道病原體的快速診斷測試可透過無線連接到基於雲端的資料庫立即進行。

在發現第一例病例不到一個月後，中國科學家對冠狀病毒 2019-nCoV（COVID-19）的基因組進行了完整定序。 自第一次定序以來，已經完成了近二十個定序。 相較之下，SARS病毒的流行始於2002年底，直到2003年XNUMX月才獲得其完整基因組。

基因組序列對於開發針對這種疾病的診斷方法和疫苗至關重要。

醫院創新

5. 埃弗里特普羅維登斯地區醫療中心的醫療機器人。

不幸的是，新型冠狀病毒也威脅醫師。 根據美國有線電視新聞網（CNN）報道， 防止冠狀病毒在醫院內外傳播，華盛頓州埃弗里特普羅維登斯地區醫療中心的工作人員享受 工作 (5)，測量隔離患者的生命徵象並作為視訊會議平台。 這台機器不僅僅是一個帶有內建螢幕的輪子通訊器，但它並不能完全消除人類勞動。

護士仍必須與病人一起進入房間。 他們還控制一個不會受到污染（至少在生物學上）的機器人，因此這種類型的設備將越來越多地用於治療傳染病。

當然，房間可以隔熱，但也需要通風，以便呼吸。 這需要新的 通風系統，防止細菌傳播。

開發此類技術的芬蘭公司 Genano (6) 收到了中國醫療機構的快速訂單。 該公司的官方聲明稱，該公司在提供設備以防止無菌和隔離病房內傳染病傳播方面擁有豐富的經驗。 前幾年，該公司在中東呼吸綜合症病毒流行期間向沙烏地阿拉伯的醫療機構提供了物資。 芬蘭的安全通風設備也供應給了武漢著名的方艙醫院，該醫院已在十天內建成，用於收治 2019-nCoV 冠狀病毒感染者。

6. 絕緣體中的 Genano 系統圖

Genano 表示，淨化器中使用的專利技術「消除並殺死所有空氣傳播的細菌，如病毒和細菌」。 能夠捕捉小至3奈米的小顆粒的空氣清淨​​機沒有機械過濾器來維護，而是利用強電場過濾空氣。

在冠狀病毒恐懼爆發期間出現的另一個技術好奇心是 熱掃描儀，除此之外，印度機場會接走體溫升高的人。

網路－傷害還是幫助？

儘管複製和傳播虛假訊息和恐慌的批評浪潮洶湧而來，但自中國疫情爆發以來，社群媒體工具也發揮了積極作用。

例如，根據中國科技網站TMT郵報（迷你影片社群平台）報道。 鬥音相當於世界著名的 TikTok (7) 的中文版本，它推出了一個特殊的部分來處理有關冠狀病毒傳播的信息。 在主題標籤下 #對抗肺炎，不僅發布用戶的訊息，也發布專家的報告和建議。

除了提高意識和傳播重要訊息外，抖音還旨在成為醫生和醫務人員對抗病毒以及感染患者的支持工具。 分析師 丹尼爾·艾哈邁德 推特稱，該應用程式推出了「嘉佑影片效果」（指鼓勵），用戶可以使用它來發送積極的訊息，以支持醫生、醫護人員和患者。 此類內容也由名人、名人和所謂的影響者發布。

現在人們相信，仔細研究與健康相關的社群媒體趨勢可以極大地幫助科學家和政​​府衛生當局更好地認識和理解人與人之間疾病傳播的機制。

他在 2016 年接受《大西洋月刊》採訪時表示，部分原因是社群媒體往往「高度情境化，而且越來越超在地化」。 馬賽沙拉，瑞士洛桑聯邦理工學院的研究員，科學家稱之為新興領域的專家 《數位流行病學》。 然而，他補充說，目前研究人員仍在試圖了解社群媒體談論的健康問題是否真正反映了流行病學現象 (8)。

8.中國人戴口罩自拍

這方面的第一個實驗的結果尚不清楚。 谷歌工程師早在 2008 年就推出了疾病預測工具 - 谷歌流感趨勢 （GFT）。 該公司計劃用它來分析谷歌搜尋引擎數據中的症狀和信號詞。 當時，她希望這些結果能夠被用來準確、立即識別流感和登革熱（熱帶地區的一種蟲媒病毒性疾病）爆發的「輪廓」——比美國疾病管制與預防中心早兩週。 （疾病預防控制中心），其研究被認為是該領域的最佳標準。 然而，谷歌根據網路訊號對美國流感和泰國瘧疾進行早期診斷的結果被認為過於不精確。

「預測」各種事件的技術和系統，包括。 例如爆發動亂或流行病，微軟也發力，它在2013年與以色列理工學院一起推出了基於媒體內容分析的災難預測計畫。 透過多語言頭條新聞的活體解剖，「電腦智慧」應該能夠識別公共威脅。

科學家研究了某些事件序列 - 例如，有關安哥拉乾旱的信息，在預測系統中產生了有關可能發生霍亂流行的預測，因為他們發現乾旱與疾病發病率增加之間存在聯繫。 該系統的框架是根據對 1986 年開始的《紐約時報》檔案出版物的分析而創建的。 機器學習的進一步發展和過程涉及新的網路資源的使用。

到目前為止，基於BlueDot和Metabiota在流行病學預測方面的成功， 人們可能很容易得出這樣的結論：準確的預測主要基於「合格」數據是可能的，即「合格」數據。 專業的、經過驗證的、專門的來源，而不是網路和門戶社群的混亂.

但也許這一切都與更聰明的演算法和更好的機器學習有關？