通信世界网消息（CWW）疫情来袭，社会各界纷纷采用人工智能（AI）技术提升疫情治理及物资管理能力，提高疫情诊断及防控水平，业界涌现出一批优秀应用案例。但可以看到，在本次疫情防控中，AI主要聚焦于公众及医疗信息的收集处理建模以及自然语言处理等应用，由于技术本身仍不完备，相关数据采集能力建设滞后，仍有很大的提升空间，各界抗击疫情积累的一线经验将沉淀为实际需求，对后续AI发展产生深刻影响。

AI赋能，抗疫产品服务涌现

   AI赋能，使得疫情管控能力不断提升。得益于以深度学习为代表的AI技术对于海量非结构化数据的端到端建模能力，以及在自然语言处理等感知应用方面取得的长足进步，服务于疫情管控的平台服务层出不穷。

   首先，采用AI及大数据工具打造的追踪及查询平台能够智能整合匹配患者信息、交通信息、地理信息、医用物资信息等多维度数据，对整体人流迁移情况、交通疾控管制、同行人群搜索、物资需求对接等多项功能提供可视化展示及搜索工具，完成对患者及接触者跟踪及智能匹配分析等任务，实现了医用物资高效对接，极大提升了疫情管控效率；其次，基于自然语言处理技术的智能信息服务平台能够完成包括疫情知识宣贯、疫情进展通报、智能对话查询、智能外呼寻访等在内的个性化信息采集及交互任务，减少了信息宣贯及采集人员流动接触带来的感染风险，有效节约了人力、物力，同时提升了信息采集效率。

   AI助力，使得诊疗技术手段不断丰富。在本次疫情防控“战役”中，AI技术在问诊导诊、病毒检测、辅助诊断、基因分析及数据预测方面也发挥了重要作用，业界涌现出一批优秀应用案例。

   针对广大公众群体的需求，各大科技公司纷纷推出线上咨询及问诊服务，通过智能语音客服、远程线上预诊等方式实现了对于疫情病情的初筛，提供高效的多人体温检测及人体识别系统。通过AI技术辅助，在各类公共场所高密度人员流动场景下的工作人员快速定位体温异常者，实现非接触密集型人流AI辅助温感解决方案，同时能够将体温检测结果与人员身份进行有效绑定。

   针对医患群体的需求，科技公司在病毒检测、辅助诊疗、药物研发等领域提供了高效工具：借助计算机视觉技术的医疗影像辅助诊断系统，能够对肺部CT进行更为快速的判断，AI工具赋能基因分析可将原来数小时的疑似病例基因分析缩短至半小时，大幅缩短确诊时间，并能精准检测出病毒变异情况；AI模型的数据预测能力也得到充分发挥，对于新型冠状病毒RNA二级结构的预测时间从55分钟缩短至27秒；医疗导诊、智能递送、测温等机器人等也开始在疫情定点医院展开服务，减少了接触传染概率。

AI技术赋能关键问题分析

   尽管AI技术应用在医疗领域已有一定基础，但依然存在着技术自身短板及能力建设滞后等关键问题，制约了AI技术在疫情防御方面发挥更大的作用。

   第一是AI的不可解释性无法有效融入流行病学体系。流行病学体系中关于生物研究及医药学科研发需要对于数据内在关联因素有详尽的论证，疫苗制造、药物研发等需要严谨的科学研究，尽管AI模型能够快速实现数据内在关系的建模挖掘，但尚不能解释其因果及相关性原因，因此依靠AI算法对流行病进行建模还需进行可解释性的理论攻关。

   第二是AI对于多维数据的处理能力不足，体系化的综合解决方案赋能尚需时日。当前AI模型输入对于数据要求高，需要数据清洗对齐等大量前期工作。而各信息通信系统采集数据规则不同、格式各异，尽管各个维度数据统计覆盖相对完备，但仍然无法在短时间内成为AI系统的有效输入，导致了大量关键数据重复收集处理的资源浪费。

   第三是数据采集及整合能力建设滞后，制约了AI融合进程。在疫情数据采集中，个人出行信息、生物特征信息、病情病理信息等数据的采集分析对于打赢抗疫“战役”至关重要，而由于相关数字化信息采集及整合能力匮乏，建设及采集主体分散，疫情治理所需的相关基站数据（运营商采集处理）、支付数据（银联及第三方支付机构采集处理）、出行数据（铁路公司和航空公司及酒店等信息系统采集处理）、城市摄像头及户口等行政数据（公安部门采集处理）的采集能力仍然相对欠缺，同时尚未形成有效的数据规范体系，直接制约了AI在疫情防控治理中的融合高效应用。

   第四是技术供给和需求侧对接仍然存在人员及系统融合问题。由于疫情防控领域门槛较高，需要技术供给方对于相关防疫理论及操作流程有深刻理解，而当前技术提供方跨领域人才稀缺，无法有效满足需求侧实际需求。同时，医用信息化系统与AI系统的融合尚处初期阶段，新老系统迁移融合进度滞后影响了供给侧和需求侧的有效衔接。

未来AI技术及产业发展趋势预测

   随着各行各业信息化水平不断提高，跨领域人才不断增加，相关医疗及疫情经验不断积累，AI技术及产业发展路径将更加明确，融合进程将进一步加深，势必对AI技术演进及产业发展产生深远影响。

   第一是人工智能海量多维度数据处理能力及新老系统融合进程将极大提升。随着多模态学习、迁移学习等技术的提出，AI对于海量多维医疗、地理、图像等数据的处理、建模及预测能力将进一步增强，体系化建模及平台服务能力将进一步提升，新老系统融合进一步提速，传统医疗行业信息化供应商与以互联网公司为代表的AI技术提供商合作将更加紧密。

   第二是新型医疗对于传统医疗的加速代替。医疗问题的核心在于医疗资源的合理分配，在于关键时刻医疗资源的调度能力，在于医疗资源的协同性和共享性，而AI技术在相关系统及模型优化方面具有天然优势，相信疫情将进一步推动医疗改革进程，同时，AI将作为重要技术工具抓手为改革助力。

   第三是智慧城市建设及治理对于传统城市治理的加速代替。疫情防控所需的信息化基础不足在本次疫情中得以体现，随着信息化程度进一步加深，交通管理、物流供应链、应急灾备、信息溯源等将逐渐全面数据化，这将为AI的灾备预测、技术治理、信息管控等提供最为重要的数据基础，从而全面提升智慧城市建设进程，实现现代化治理。

   疫情给予我们的不应只有伤痛，更是一种警示与方向：科学技术并不是放在科技馆里面的展示品，而应当成为一套有用的工具。当前，疫情防控仍处于关键时期，AI技术抵抗疫情为我们提供了良好的示范案例，并仍在不断涌现。虽然目前只能暂缓疫情蔓延，但科技工具的使用已经改善了协作模式，通达了信息沟通，强化了治理能力，更是为后续技术及产业发展明确了路径，提供了经验。我们期盼着，春暖花开时，一切皆安，崭新开始。