編者按：在2020世界人工智能大會(huì)“人工智能予力永續(xù)未來”微軟論壇上，國(guó)內(nèi)外專家、學(xué)者和業(yè)界精英激蕩思想，共同探討了人工智能在可持續(xù)發(fā)展上的可能性。其中，醫(yī)療領(lǐng)域的可持續(xù)發(fā)展備受關(guān)注。醫(yī)渡云合伙人、首席執(zhí)行官?gòu)垖?shí)在與微軟亞洲研究院副院長(zhǎng)潘天佑博士的討論中分享了醫(yī)渡云在 AI+醫(yī)療方面的觀察以及對(duì)抗新冠疫情方面的努力。同時(shí)，微軟醫(yī)療部門高級(jí)總監(jiān) Ethan Jackson 博士、微軟亞洲研究院資深項(xiàng)目經(jīng)理戴蓓潔和微軟亞洲研究院副院長(zhǎng)張益肇博士也分享了微軟利用人工智能在傳染病防護(hù)中所做的研究。

專題討論

新冠疫情世界里的人工智能

　　潘天佑：醫(yī)渡云是一家醫(yī)療領(lǐng)域的新創(chuàng)企業(yè)，請(qǐng)您談一談醫(yī)渡云設(shè)立的理念?以及在這些人工智能公司里面，醫(yī)渡云的特色和理想是什么?

　　張實(shí)：我加入醫(yī)渡云團(tuán)隊(duì)是在2017年，這個(gè)團(tuán)隊(duì)那時(shí)候已經(jīng)成立了將近5年時(shí)間。我第一次見到公司創(chuàng)始人宮如璟女士的時(shí)候，就問她為什么要建立這么一家公司。她當(dāng)時(shí)跟我說，到2035年中國(guó)的老年人口會(huì)到達(dá)4個(gè)億，那時(shí)候的醫(yī)療資源會(huì)非常緊張，包括醫(yī)療技術(shù)和未來人們的生活質(zhì)量都會(huì)受到巨大的挑戰(zhàn)。醫(yī)渡云最大的特色就是跨界，我們把人工智能、大數(shù)據(jù)和醫(yī)療的本質(zhì)真正地結(jié)合起來。目前，我們差不多建立了3000多個(gè)疾病模型，有1萬多個(gè)數(shù)據(jù)質(zhì)控的醫(yī)療邏輯標(biāo)準(zhǔn)，還有將近100多萬個(gè)知識(shí)庫，我們沉淀了很多知識(shí)給到計(jì)算機(jī)。

　　潘天佑：醫(yī)渡云本身是跨領(lǐng)域的，所以請(qǐng)您就自身的經(jīng)驗(yàn)分享一下，醫(yī)療和計(jì)算機(jī)跨領(lǐng)域?yàn)槭裁催@么重要，又為什么這么困難?醫(yī)渡云是怎么做的?

　　張實(shí)：先說一下困難，醫(yī)渡云創(chuàng)立至今其實(shí)就是在不斷地克服困難，比如數(shù)據(jù)的“臟亂差”。一家醫(yī)院可能信息系統(tǒng)有200多個(gè)，數(shù)據(jù)是存在不同的系統(tǒng)里的，怎么能打破數(shù)據(jù)孤島，把數(shù)據(jù)整合在一起，這首先是信息化需要面對(duì)的。第二，這些數(shù)據(jù)整合在一起以后，我們還要面對(duì)信息錯(cuò)誤的問題。人在錄入數(shù)據(jù)的時(shí)候會(huì)犯錯(cuò)誤，但這些錯(cuò)誤靠人是檢查不過來的。所以我們會(huì)去建立一些醫(yī)療邏輯去檢查這些數(shù)據(jù)。第三，會(huì)更加專業(yè)，比如二型糖尿病，這個(gè)疾病可能會(huì)有300多種表述方法，比如2型糖尿病、乙型糖尿病等。我們?cè)趺窗巡煌恼f法全部歸結(jié)于一個(gè)標(biāo)準(zhǔn)的字段，這也是機(jī)器要做的事情。

　　把這些所有的坑坑坎坎都填平了之后，我們?cè)倩貧w到真實(shí)世界的研究，看一下數(shù)據(jù)到底能幫醫(yī)學(xué)做什么，比如，可以更快地入組患者，能夠更大幅度降低藥物臨床實(shí)驗(yàn)的時(shí)間和降低成本?，F(xiàn)在癌癥成為了人類第二大殺手，腫瘤之所以可怕是因?yàn)樗o人類的時(shí)間很短，去治愈一個(gè)肺癌晚期病人現(xiàn)在基本上是不可能的，在這么短的時(shí)間之內(nèi)，我們是不是有大量的新藥可以給到病患，給他們繼續(xù)生存的希望，這都是我們?nèi)祟惷鎸?duì)的共同挑戰(zhàn)。

　　醫(yī)渡云合伙人、首席執(zhí)行官?gòu)垖?shí)

　　潘天佑：您一定跟醫(yī)院打了非常多的交道，醫(yī)生或者醫(yī)療專家對(duì)人工智能或IT的理解有限，您有沒有覺得跟他們合作的時(shí)候會(huì)有一些困難?有什么方法能夠讓他們從 IT 的角度了解到我們這樣做更適合?

　　張實(shí)：我覺得醫(yī)生的領(lǐng)域就是對(duì)醫(yī)療本身，對(duì)整個(gè)疾病和治療方法的認(rèn)知，其實(shí)只需要專注在他的領(lǐng)域里。他們一開始對(duì)人工智能的認(rèn)知只是好奇，但是當(dāng)你在方法上真正能幫到他們的時(shí)候，他們就會(huì)相信你。我一直都在講，我們不能替代醫(yī)生，但是我們可以提供更好的方法和手段去幫助他們更好地理解病人，理解疾病和理解治病的標(biāo)準(zhǔn)。

　　潘天佑：這次在新冠肺炎疫情中，尤其是在中國(guó)，你看到人工智能發(fā)揮了哪些效果?另外就是在這次新冠肺炎疫情里面，我們學(xué)到了什么?下一次如果不幸又有了類似疫情的時(shí)候，我們能夠怎么樣讓人工智能為人類做更好的防護(hù)?

　　張實(shí)：我覺得這次大數(shù)據(jù)、人工智能都幫到了新冠疫情的控制和治療。首先醫(yī)渡云做了幾件事情，我們通過真實(shí)世界的數(shù)據(jù)幫助了很多城市的政府理解疫情將來會(huì)怎么樣影響生活、經(jīng)濟(jì)，做了一些預(yù)測(cè)模型和一些現(xiàn)狀的分析，也給政府提供了一些有效的手段去預(yù)測(cè)和預(yù)判它。第一，我們?cè)趲蛧?guó)家疾控中心做全球疫情的分析;第二，我們也幫助武漢做了整個(gè)大數(shù)據(jù)的整合，包括密切接觸者的追蹤，幫助政府更好地去控制疫情;第三，我們也做了一個(gè)新冠肺炎的疾病專病庫，幫助醫(yī)生去更好地認(rèn)知這個(gè)疾病，去了解疾病的指征，制定更有效的治療方法。這三塊都是醫(yī)渡云致力于在做的。

　　如果再有疫情我們能學(xué)到什么?我覺得我們應(yīng)該學(xué)到怎么樣從信息化變到人工智能。信息化是機(jī)器在跑，人做決策，怎么樣在人累了的時(shí)候，可以讓機(jī)器來學(xué)習(xí)和分析。舉個(gè)例子，這次有信息化系統(tǒng)、直報(bào)系統(tǒng)、大疫情網(wǎng)，但是這些所面對(duì)的是過往的疾病，面對(duì)未知的疾病，我們要怎么樣去預(yù)防它?比如小兩口住在漢口老兩口住在宜昌，小兩口去老兩口家里面吃飯，老兩口把小兩口傳染上了，結(jié)果他們?nèi)ゲ煌尼t(yī)院就診，在數(shù)據(jù)上其實(shí)是看不到他們之間的關(guān)系，所以也沒有辦法很快速地判定到底是不是人傳人。因此，這次我們要學(xué)到的是如何讓數(shù)據(jù)說話?如何變主動(dòng)上報(bào)為主動(dòng)抽取、主動(dòng)分析。原來都是依靠醫(yī)生作為吹哨人，今天能不能讓系統(tǒng)變成吹哨人?這是我們現(xiàn)在所面臨的最大的困擾。

　　醫(yī)渡云致力秒級(jí)發(fā)現(xiàn)、分鐘預(yù)警、小時(shí)阻斷，這是我們的理想。我們要靠系統(tǒng)、靠機(jī)器、靠人工智能，而靠人有時(shí)候其實(shí)是很難的。

　　潘天佑：數(shù)據(jù)的采集、交流對(duì)未來防疫會(huì)有非常重大的影響。但這是一個(gè)很難的問題。請(qǐng)分享一下，在您的經(jīng)驗(yàn)里，數(shù)據(jù)分享為什么這么重要?為什么這么難?而我們又能夠怎么樣去改善這個(gè)問題呢?

　　張實(shí)：我們做數(shù)據(jù)的希望數(shù)據(jù)可以說話，但是我們遇到的最大困難就是數(shù)據(jù)安全。因?yàn)樵谡麄€(gè)醫(yī)療領(lǐng)域里，數(shù)據(jù)安全其實(shí)比什么都重要，因?yàn)樗[私了。我們呼吁國(guó)家可以盡快建立數(shù)據(jù)安全法，這對(duì)整個(gè)醫(yī)療領(lǐng)域是從量變到質(zhì)變的?，F(xiàn)在我們所面對(duì)的很多數(shù)據(jù)其實(shí)都是雜亂無章、散布在各個(gè)地方。我們知道很多技術(shù)是可以幫到雜亂無章的數(shù)據(jù)的，現(xiàn)在國(guó)家也已經(jīng)意識(shí)到這個(gè)問題了，也在努力地快速出臺(tái)一些相關(guān)法律法規(guī)。這對(duì)整個(gè)行業(yè)來說都是非常好的。我覺得作為企業(yè)，我們有這個(gè)責(zé)任，我們也承擔(dān)著任務(wù)來建議和幫助國(guó)家能夠快速地把這些條例、法規(guī)制定出來。

　　潘天佑：有很多人擔(dān)心信息安全，都認(rèn)為維護(hù)信息安全的方法就是把信息藏起來，不要讓它流通，但這是一個(gè)很大的謬誤，我們把信息藏起來不讓它流通，這個(gè)信息是沒有用的，我覺得更重要的是把信息安全做好，然后讓信息能夠流通起來，能夠使用起來，但是被使用的非常安全。

專題演講

人工智能在傳染病防護(hù)中的作用

微軟 Premonition 項(xiàng)目

　　Ethan Jackson 博士：地球的生物群落影響著每個(gè)人、整個(gè)社會(huì)和經(jīng)濟(jì)的健康發(fā)展，無脊椎動(dòng)物、微生物和病毒占據(jù)了地球生物的大部分。如果可以像監(jiān)測(cè)天氣一樣監(jiān)測(cè)地球上的生物群落，也許就能夠在疾病大流行之前發(fā)現(xiàn)新的病原體并找到應(yīng)對(duì)方法，也將能夠在入侵物種危害農(nóng)業(yè)和生態(tài)系統(tǒng)之前識(shí)別并控制它們。目前人類仍然無法像監(jiān)測(cè)天氣一樣監(jiān)測(cè)生物群落，因?yàn)閷?duì)現(xiàn)代傳感器網(wǎng)絡(luò)來說，絕大部分生物是不可見的——以細(xì)菌和病毒為代表的就有數(shù)千萬乃至數(shù)十億個(gè)物種，它們的尺寸在幾納米至幾微米之間。識(shí)別和監(jiān)測(cè)這些物種，是通過其遺傳密碼來實(shí)現(xiàn)的。

　　微軟醫(yī)療部門高級(jí)總監(jiān) Ethan Jackson

　　微軟 Premonition 項(xiàng)目是以可擴(kuò)展的方式對(duì)生物群落進(jìn)行追蹤，提供有關(guān)小型和微觀生物的分布和演進(jìn)的實(shí)時(shí)信息。為了達(dá)成目標(biāo)，微軟開發(fā)了兩項(xiàng)核心技術(shù)。一個(gè)是節(jié)肢動(dòng)物智能陷阱，它們組成了傳感器網(wǎng)絡(luò)的節(jié)點(diǎn);另一個(gè)是云規(guī)模宏基因組學(xué)，對(duì)物種樣本(例如節(jié)肢動(dòng)物)和其他環(huán)境樣本進(jìn)行計(jì)算掃描，從而發(fā)現(xiàn)已知及新生的微生物和動(dòng)物。

　　在智能陷阱技術(shù)里，機(jī)器人平臺(tái)網(wǎng)絡(luò)不斷監(jiān)測(cè)陸地節(jié)肢動(dòng)物，并產(chǎn)生實(shí)時(shí)物聯(lián)網(wǎng)數(shù)據(jù)。高優(yōu)先級(jí)的樣本會(huì)被送回到網(wǎng)絡(luò)的軀干中，在這里對(duì)它們進(jìn)行測(cè)序，然后進(jìn)行宏基因組分析，以確定已知和新生的威脅。由于系統(tǒng)可以將生物特征數(shù)據(jù)與單個(gè)樣本進(jìn)行配對(duì)，所以就能夠快速建立精確的分類器。在2016年德克薩斯州休斯敦的實(shí)驗(yàn)中，那時(shí)也是寨卡病毒最高風(fēng)險(xiǎn)期間，這些設(shè)備從數(shù)百個(gè)帶有標(biāo)簽的樣本中區(qū)分出了傳播寨卡病毒的品種與傳播西尼羅河病毒的品種，準(zhǔn)確度達(dá)到90%。

　　第一代智能陷阱設(shè)備原理

　　在宏基因組分析中，系統(tǒng)將捕獲到的 DNA 進(jìn)行測(cè)序，之后通過貝葉斯混合模型找出統(tǒng)計(jì)學(xué)上最有可能的解釋。最終結(jié)果是一個(gè)概率模型，它將數(shù)千億個(gè) DNA 片段組織成一個(gè)統(tǒng)計(jì)模型，可以由人和機(jī)器進(jìn)行驗(yàn)證。

　　云規(guī)模宏基因組分析技術(shù)

　　截至目前微軟 Premonition 項(xiàng)目已經(jīng)分析了80萬億個(gè)環(huán)境核酸堿基對(duì)。它們不僅局限于蚊子，還包括虱子等節(jié)肢動(dòng)物，以及其他人類疾病宿主，如嚙齒類動(dòng)物和非人靈長(zhǎng)類動(dòng)物等。該項(xiàng)目的核心參考數(shù)據(jù)庫里包含著3萬億個(gè)堿基對(duì)，需要云規(guī)模的 AI 才能正確加以利用，讓人們能夠海底撈針。

COVID Insights 新冠數(shù)據(jù)分析網(wǎng)站

　　微軟亞洲研究院資深項(xiàng)目經(jīng)理戴蓓潔

　　戴蓓潔：突如其來的新冠疫情給我們的生活和工作都帶來了極為嚴(yán)峻的考驗(yàn)。每天大家都能從各種渠道接收到大量的資訊。我們希望能基于計(jì)算機(jī)技術(shù)，幫助大家透過數(shù)字的表面，得到更深層、更精煉的信息作為參考。

　　今年4月，微軟亞洲研究院上線了基于公開數(shù)據(jù)的新冠數(shù)據(jù)分析網(wǎng)站 COVID Insights。我們基于在計(jì)算生物學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析等領(lǐng)域的專業(yè)知識(shí)和研究經(jīng)驗(yàn)，利用先進(jìn)的技術(shù)挖掘疫情數(shù)據(jù)背后隱藏的規(guī)律和洞察。網(wǎng)站主要從流行病學(xué)、病毒學(xué)和研究趨勢(shì)三大方面，以可視化和互動(dòng)的方式展現(xiàn)關(guān)鍵傳播參數(shù)對(duì)病毒傳播的影響、疫情在不同國(guó)家和地區(qū)的傳播特性、病毒學(xué)分析結(jié)果，以及全球最新的研究熱點(diǎn)。

　　COVID Insights新冠數(shù)據(jù)分析網(wǎng)站

　　為了幫助大家對(duì)新型冠狀病毒有更多了解，基于我們開發(fā)的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)算法，我們將其三維結(jié)構(gòu)可視化。同時(shí)，我們還對(duì)已知的病毒基因組序列進(jìn)行了突變分析和可視化。

　　為了讓大家了解疫情在全球各地目前發(fā)展到什么階段，我們提供了一個(gè)目前國(guó)際比較關(guān)注的，用來衡量感染率的關(guān)鍵指標(biāo)，叫做有效再生數(shù)值。我們對(duì)不同區(qū)域的有效再生數(shù)值進(jìn)行可視化。通過熱力圖，大家可以了解疫情在不同區(qū)域的嚴(yán)重程度和變化趨勢(shì)。

　　同時(shí)，我們基于深度學(xué)習(xí)的時(shí)間序列預(yù)測(cè)算法，自動(dòng)發(fā)現(xiàn)具有類似疫情發(fā)展趨勢(shì)的區(qū)域。例如，通過分析我們發(fā)現(xiàn)巴西從5月22日到6月6日的數(shù)據(jù)趨勢(shì)曲線與西班牙從4月10日到4月17日的數(shù)據(jù)趨勢(shì)曲線很相近。因此西班牙開展的各項(xiàng)疾控措施對(duì)6月的巴西來說就可能具有更為精準(zhǔn)的借鑒作用。

　　感染趨勢(shì)分析

　　作為決策者，你可能也想知道，不同級(jí)別的防控措施，對(duì)控制疫情發(fā)展又會(huì)有多大的作用呢?我們開發(fā)了一個(gè)沙箱模擬器來為大家模擬不同干預(yù)措施的結(jié)果。在現(xiàn)有流行病學(xué)模型的基礎(chǔ)上，通過設(shè)置不同的環(huán)境和模型參數(shù)，以及干預(yù)強(qiáng)度，我們可以在一個(gè)虛擬區(qū)域內(nèi)看到模擬感染數(shù)據(jù)的變化趨勢(shì)。這對(duì)決策者在現(xiàn)實(shí)世界中如何采取行動(dòng)應(yīng)對(duì)疫情可能有所幫助。

　　傳播與干預(yù)模型

　　我們還總結(jié)了感染背后的高危行為，包括與患者接觸、人群聚集、出行等，并對(duì)其在不同區(qū)域的分布進(jìn)行了可視化。對(duì)于高風(fēng)險(xiǎn)活動(dòng)的歸因分析，尤其是不同地區(qū)的歸因差異，可以為我們預(yù)防感染提供個(gè)性化的參考。

　　高危行為分析

　　COVID Insights 網(wǎng)站還對(duì)新冠相關(guān)的研究進(jìn)展進(jìn)行了可視化。我們使用 LightLDA 主題模型來挖掘研究趨勢(shì)，并在每個(gè)主題下展示引用次數(shù)最多的論文，以幫助大家了解該領(lǐng)域的最新科學(xué)進(jìn)展。網(wǎng)站還能夠結(jié)合關(guān)注度，權(quán)威性及熱點(diǎn)話題等因素，為大家推薦優(yōu)質(zhì)論文。希望這些跨學(xué)科研究趨勢(shì)的呈現(xiàn)可以為大家?guī)砀鄦⑹尽?/FONT>