声明：本文来自于微信公众号侃科技频道（ID：kankeji001），作者：王新宇，授权站长之家转载发布。

根据钟南山院士的最新预测，已经持续一个多月的新冠病毒疫情预计 2 月中下旬将出现峰值， 4 月左右全国接近平稳。

这意味着，这场没有硝烟的战争我们仍旧不能放松，直到疫情彻底解除。

历史经验证明，控制传染源、切断传播途径、保护易感人群始终是最有效的防控手段。基于这三大原则，以及强于 17 年前的技术水平和诊疗手段，我们有信心赢得这场战“疫”的最终胜利。

况且，除了科研人员和医务工作者，今天我们在病毒防控名单上还发现了AI。

在全球范围内，AI已然是最前沿的创新技术，但在这场突发的公共卫生事件中，我们看到AI已从云端“落地”。、

举两个例子，一个是 1 月 30 日百度宣布开放LinearFold线性算法，该算法将此次新型冠状病毒的全基因组二级结构预测从 55 分钟缩短至 27 秒，提速 120 倍。另一个是浙江省疾控中心上线的自动化全基因组检测分析平台，基于阿里达摩院研发AI算法将原来数小时的疑似病例基因分析缩短至半小时。

更重要的是，AI防疫不仅表现在开放算法、算力上，在防控一线我们也能看到大量AI支援的“身影”。

此次新冠病毒爆发，科研、医护人员与AI的协作也让我们对战胜疫情增加了一份信心。

一、走上抗击疫情最前线：AI+医疗

AI+医疗的结合，是人工智能最重要的应用场景之一。在此次抗击疫情的最前线，我们看到AI与医疗的结合也已有了很多重大突破。

2019 年 9 月，Nature子刊上发表的一项研究显示，研发新药时利用AI算法， 21 天内就能够设计出潜在分子架构，并在 46 天内完成初步生物学验证。

擅长数据分析、文献筛选的AI可以在前期药物研发中大有可为，同时节约研发投入。更重要的是，它可以大幅缩短研发周期，让我们在这场与时间和疫情的赛跑中，抢占先机。

此次新冠病毒爆发，在疫情防控的最前端——疫苗研发和疑似病例诊断上，我们都看到了AI的身影。

1、 AI助力疫苗研发、药物筛选

2 月 4 日，一篇刊登于顶级医学期刊《柳叶刀》的文章表示，借助深度学习和知识图谱，研究者发现经典JAK激酶抑制剂巴瑞替尼(Baricitinib)或可用于治疗新型冠状病毒肺炎。

而这次用于寻找潜在药物的技术是BenevolentAI的知识图谱。

这是一个大型的结构化医药信息仓库，包括了大量使用机器学习抽取出来的连接关系。根据新冠病毒的特点，研究者使用该知识图谱验证可以帮助治疗的药物——即那些能够阻断病毒感染进程的药物。

AI算法在新药/疫苗研发领域的作用，正是提升效率。人工智能比传统的方法更有优势的地方，在于利用机器学习、人工智能的方法，能够在在非常早期，对未来将会成为药物的这些分子同时进行相对全面的判断，也就能提前筛掉后续实验会失败的分子。

国内受到关注的案例就是我们上面提到的百度LinearFold线性算法。

根据世界卫生组织(WHO)资料显示，引发此次疫情的病毒2019-nCoV，是一种具外套膜(envelope)的正链单股RNA病毒，RNA(核糖核酸)冠状病毒，直径约80～120nm。

确定此类疾病重要的检测手段，便是通过核酸检测方式提取疑似病例血液中核酸序列，并与目标病毒比对，即可基本确定有无病原体感染。然而，疑似病例的病毒样本进行全基因组序列分析比对费时费力，而借助AI可代替人力完成初筛工作，大幅提高检测效率。

百度LinearFold线性算法于 2019 年 7 月首次提出，该算法使得整序列、整基因组的RNA结构预测成为可能，也是RNA结构预测领域 40 年来第一次重大提速。

2020 年 1 月 30 日，百度向科研机构免费开放了这项世界上现有最快的RNA结构预测网站及算法。

算力及算法对于疫情防控的重要性在于，新药和疫苗研发期间需要进行大量的数据分析、大规模文献筛选和科学超算工作。因此，我们看到百度之外，商汤科技 1 月 24 日为国家重点研发计划首席科学家、中山大学药学院罗海彬教授提供了算力支持;阿里云则是在 1 月 29 日宣布向全球公共科研机构免费开放一切AI算力。

2、 AI增加疑似病例筛查效率

对于疑似病例的筛查，AI也能提供行之有效的解决方案。

斯坦福开发了一个名为CheXNet的算法，能比放射科医生更准确地确诊肺炎。CheXNet是一个在ChestX-ray14 中训练的 121 层-卷积神经网络，ChestX-ray14 是截止至论文发表时公开的最大的胸部X光数据集。

该数据集有超过 10 万张胸透X光图，包含 14 种不同疾病的信息。

研究人员让四名放射科医师检查一组胸部影像并进行诊断，并将诊断结果与CheXNet的处理结果相比。CheXNet不仅击败了所有的放射科医生，还在发现肺炎的同时，证明了其他 13 种疾病的识别能力。

在RT-PCR检测病毒核酸检测中，前文我们讲到的浙江省疾控中心自动化全基因组检测分析平台，基于阿里达摩院研发的AI算法，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的变异情况。

阿里方面称，疫情发生后，达摩院算法专家顾斐博士第一时间针对新型冠状病毒基因进行特征分析，并推出多个算法模型。在序列比对过程中，达摩院对算法增加了分布式设计，有效提升比对效率;在病毒序列拼接阶段使用分布式设计的de Bruijn图算法，变异病毒也能精准检测。

浙江省疾控中心基因测序负责人孙逸博士表示，基于该平台，未来还可以在短时间内将检测范围覆盖整个确诊病例，也为后续疫苗与药物研发打下基础。

二、助力基层疫情防控，防患于未然

如果你关注新闻，应该已经刷到了这样一条新闻，在机场、火车站、地铁等人流密集的公共场所，出现了AI测温装置或者红外测温。

它们的好处在于“无接触测量”，以AI测温来说，目前百度开发的AI测温系统已经落地北京清河火车站。该系统利用非接触、可靠、高效且无感知的方式，对体温超出一定阈值的流动人员，系统会发出异常预警，并快速展示出体温不在正常范围的人员及温度，遏制新型冠状病毒在公共场所的传播。

AI在疫情筛查管理方面，其优势主要集中在可替代大规模、重复性、有接触风险的筛查工作。体温测量正是这样一个大规模、重复性和有解除风险的工作，但眼下正处于疫情防控的重要阶段，体温测量也是其中最重要的环节之一，无法避开。

百度的AI测温系统，综合了图像识别和红外成像技术，可以基于人脸关键点检测及图像红外温度点阵温度分析算法，对人流区域多人额头温度进行快速筛选及预警，具有检测率高、速度快、灵敏度高的特点，可以很好的代替人工测温。

在北京清河地铁站，百度AI多人体温快速检测解决方案已落地 19 个检测点，测温误差控制在0. 05 摄氏度上下，识别准确率达90%以上。

同样，国内另一家人工智能公司旷视科技在疫情期间紧急研发的AI测温系统也已在北京市海淀区政务大厅、部分地铁站等试点正式投入使用。

据《人民日报》报道，旷视AI测温系统采用“人体识别+人像识别+红外/可见光双传感”的技术方案，支持大于 3 米的非接触远距离测温，辅助火车站、汽车站、地铁站、机场等高密度人员流动场景下的工作人员快速筛查疑似高温人员。往来者无需停留和摘下防护工具也能实现快速筛查，且温度检测误差在±0.3℃以内。

AI在疫情防控基层起到作用的另一个案例是助力社区防疫。眼下，社区基层的防疫工作，如疫情排查、流动情况摸查，是严防死守防止疫情蔓延的重点。如何提升效率、减轻基层社区工作人员的压力，同时也帮助他们减少工作中交叉感染的风险?AI可以说帮上了大忙。

2 月 8 日腾讯海纳团队上线了电子出入证功能，在疫情期间免费开放给全国所有小区使用。随后海纳团队又推出“社区电子出入证+人脸识别门禁+无接触自动体温测量”一站式社区通行方案，并实时身份识别及预警记录上报。

据不完全统计，截至 2 月 18 日，全国已有超过 2000 个小区通过海纳配置和上线疫情防护菜单，与疫情相关的物业通知推送次数约 1 万次，已触达约 730 万社区居民。

2 月 9 日，《新闻联播》对百度在疫情期间免费向全国疫情防控机构开放的智能外呼平台进行了报道。报道称，百度的智能外呼平台系统让社区疫情防控效率提升。

百度智能外呼平台可提供流动人员排查，本地居民排查/回访，特定人群通知三大场景的外呼服务。

该平台具有批量一对一电话呼叫能力，一秒能拨出 1500 个电话，可以通过定向或随机发起拨入居民电话，自动询问并采集疫情信息分析，并生成触达统计报告，还可以对居民进行疾病患教及防控指导。

使用该平台基层医护人员不用上门排查，有效避免了感染风险。更重要的，在该系统的辅助下，社区减少了排查时间，提高了疫情防控效率。

目前，百度智能外呼平台已经在北京海淀上地街道办、陕西西安、延安、上海宝山、浙江温州瑞安市、福建福州仓山区等十几个地区投入使用。