研究人員開始將機器學習技術應用於各種社群媒體，以發現武漢肺炎（COVID-19）可能正在中國以外國家傳播的跡象。
具體來說，研究團隊透過機器學習從社群媒體、新聞報導及官方管道等數據整理消息，然後從醫學角度警告大眾。比如，他們會在有疑似病例的地區尋找提及呼吸道疾病和發燒等症狀的社群發文。
John Brownstein 是研究團隊的一分子，同時也是哈佛醫學院首席創新長。他說：
我們正在美國監視。如果當局要分配資源並有效阻止疫情蔓延，就要知道病毒可能在哪些地區傳播。因此，我們試圖從人們「口中」了解正在發生的事。
儘管根據世界衛生組織的官方數據，最近武漢肺炎病毒感染率有下降，且中國以外的武漢肺炎確診病例少之又少；不過，國際社會對病毒的傳播仍充滿擔憂，因目前尚不清楚病毒傳播是否真的緩解，也有可能是新感染模式難以追蹤──對此，AI 能派上用場。
相比 SARS 期間，本次新型冠狀病毒有更多可追蹤的資源，如社群平台和大數據。但要在大量普通感冒和流感症狀的猜測及大量謠言裡，找到武漢肺炎病毒感染的跡象是巨大的挑戰，因此 John Brownstein 團隊重新訓練模型，以分辨不同的術語和症狀。
目前，John Brownstein 團隊的機器學習模型已證明能在大數據找到疑似武漢肺炎病毒感染的病人。除此之外，模型還能幫助專家了解病毒行為，更快定位到有風險的人群和地區。
東北大學教授 Alessandro Vespignani 致力於研究大型人群的傳染病建模。他表示，即使使用目前最先進的 AI 工具，從社群媒體辨識出武漢肺炎病毒的潛在新病例也不是簡單的事，因為人們還未完全知悉特徵，也沒有相關歷史數據；不過可以確定的是，將 AI 和其他技術結合「可能非常強大」。
John Brownstein 團隊一方面透過 AI 模型從社群媒體和大數據定位可能感染武漢肺炎病毒的人，另一方面正在與位於波士頓的 Buoy 公司合作，這家公司透過入口網站為美國數百萬人提供健康建議。也就是說，Buoy 公司負責收集懷疑自己已經感染武漢肺炎病毒的用戶資訊，並為用戶提供相關建議，然後將這些數據提供給 John Brownstein 團隊。
AI 對本次武漢肺炎疫情的貢獻不只於此。早在 2019 年 12 月 31 日，加拿大健康監測公司 BlueDot 就透過 AI 技術檢測到風險，並發出警告，避開武漢等危險區域。
BlueDot 創始人兼首席執行長 Kamran Khan 說：
我們知道不能依賴政府，因為疫情爆發迅速，而政府的資訊有滯後現象，因此，我們可以從新聞、論壇等平台收集可能有關的消息，這樣能更快知道某時某地發生什麼事。
不過，Kamran Khan 也認為社群媒體的資訊冗餘雜亂，追蹤全球機票數據也是不錯的方法。
儘管各國政府可透過智慧手機追蹤個人，但終究不如了解更廣泛的趨勢和動態更有效。英國南安普敦大學教授 Andy Tatem 說：
目前，疫情主要還是在中國，但其實是世界級問題，如果病毒傳播到缺乏醫療資源的國家，後果將十分讓人擔憂。
（本文由 雷鋒網 授權轉載；首圖來源：pixabay）原文出處: 追蹤潛在的武漢肺炎病毒感染人群，AI 模型比起政府資訊滯後性更低 雷鋒網