目前，新冠疫情的發展逐漸樂觀，作為人工智能/數據科學領域的從業者，我們不妨來探討一下，AI在遏制類似的疾病傳播中，可以起到什么樣的作用。

當然，單純靠AI技術確實無法讓病毒停止傳播，在一定時期內，也不可能取代人類傳染病學專家的地位。但AI算法可以為病毒傳播的干預和預防決策提供信息，并且可以幫助優化抗擊疫情的資源分配，甚至可以在引起病理學家的注意之前，就可以檢測到疫情爆發的早期跡象。

實際上，早在2014年，研究人員就借助數據分析模型對英國的HIV病毒的檢測和治療情況進行了評估，并且成功地預測出了未知的病毒感染者。根據研究人員的推斷，在該模型的幫助下，即便不改變人們的行為習慣，新增感染人數也可以降低5%。

而到了2016年，佐治亞大學、加州大學和梅西大學組成了研究團隊，開發出了可以預測絲狀病毒傳播的AI程序。（大名鼎鼎的埃博拉病毒就是絲狀病毒的一種）由于蝙蝠是這類病毒的常見宿主，并可以傳染給人類，因此該AI程序選取和蝙蝠有關的57種特征（包括其生活史、生態因素和遺傳因素等），進行建模，預測出哪些類型的蝙蝠有可能攜帶絲狀病毒。據稱，該模型的準確率達到了87%。

2017年，上述團隊還進行了后續研究——他們使用AI算法來預測在有限的公共財政預算下，如何使預防丙肝病毒傳播的工作能夠實現最優效果。通過訓練，AI模型告訴研究人員，如果預算有10億美金，那么公共衛生資金應當全部用于該傳染病的早期治療；但如果將預算增加到50億美金，則第一年最好安排60%的預算用于篩查，其余部分用于治療——同時，用于篩查的預算應逐年下降——到第三年時，只需安排20%的預算用于篩查即可。

同一年，新加坡Saw Swee Hock公共衛生學院和新加坡國家環境局環境衛生研究所的科學家開發了一種預測“登革熱”暴發的AI算法，該算法通過對近十年的歷史氣候數據和登革熱的季節性模式進行分析，能夠提前四個月預測到疫情爆發的可能性。而一家名為Aime的初創公司緊隨其后，開發出一種可以預測登革熱爆發時間與地點的AI模型，據悉該模型的準確率達到了84%。做出類似成果的還有日本愛媛大學，他們使用降雨和氣溫數據訓練了一個AI模型，用于預測菲律賓首都馬尼拉的登革熱感染情況。

2018年，南卡羅來納大學的科學家開發了一個AI模型，用于幫助公共衛生機構提高其資金使用效率。通過使用印度和美國的預防結核病和淋病的真實數據進行測試，結果表明，如果使用該模型替代現有的體制，每年可以減少約8000例結核病病例和約20000例淋病病例。

現在，讓我們再把目光轉回到時下的新型冠狀病毒。據外媒報導，一家根據死亡病例數據和可治愈性數據來預測傳染病傳播風險的平臺MetaBiota正在和美方情報機構和國防部合作，處理有關新型冠狀病毒的問題。而另一家名為BlueDot的公司，通過機器學習和自然語言處理算法，每天跟蹤65種不同語言的10萬篇文章，以及大量旅行者的行程、飛行路線、某個地區的氣候溫度、當地牲畜種類等信息，跟蹤包括新型冠狀病毒在內的100余種傳染病的傳播情況。

綜上所述，能夠自動追蹤疾病傳播的AI系統，在未來幾年將會加速發展。BCC Research的分析師稱，到2023年，數字病理學和流行病學市場預計將達到102億美元（2018年為48億美元），這主要是由算力的不斷發展和模型特征工程方面的創新推動。相信不久的將來，在該領域將會有越來越多的機會逐漸浮現出來。