疫情控制的作用_别太依赖人工智能！在发现、分析和预测疫情时，AI的作用可能被高估了

疫情可能造成大范围的人员伤亡，并对社会和经济发展产生广泛的不利影响。那么，有什么方法可以为未雨绸缪呢？

使用人工智能来跟踪、分析和预测疫情的发展是个好主意。早在2016年，科学家就开始使用人工智能模型来预测可能传播丝状病毒的蝙蝠物种，以识别潜在的感染温床。

佐治亚大学、梅西大学和加利福尼亚大学的一组科学家创建了一个人工智能(AI)模型，该模型使用机器学习方法，根据携带丝状病毒的蝙蝠物种的内在特征来预测风险该算法在判断蝙蝠物种是否能携带丝状病毒方面的准确率为87%，算法生成的地图有助于指导有针对性的病毒监测和发现项目

在实际爆发前夕，人工智能有时比人类反应更快。在这次新的冠状病毒爆发中，波士顿人工智能系统“健康地图”最早在2019年底发布了关于新的冠状病毒爆发的首次全球警报

系统扫描在线新闻和社交媒体报告，确定警报的严重程度为5分之3不幸的是，研究人员花了几天时间才意识到它的重要性。

这也反映了人工智能在流行病预测方面的一个令人遗憾的局限性:人们通常很难在准确性和敏感性方面做出决定

疫情预警:仍需人工确认

，以防误报。目前，人工智能疾病预警系统仍然类似于汽车报警器——容易触发，容易被忽视。

通过扫描社交媒体、在线新闻文章和政府报告，帮助向世界卫生组织等全球组织提供信息，以发现传染病爆发迹象的预警系统。其中一些系统，包括ProMed，依赖于人类的专业知识，而另一些则是部分或完全自动化的。

，但是，这种人工智能系统通常需要专业人员进行人工筛选和验证

扫描在线报告以获取疾病爆发信息的计算机系统依赖于自然语言处理，这是人工智能的一个分支这项技术也用于给出在线搜索结果，并让人工智能助手回答用户的问题。旧金山

疾病监测公司Metabiota的首席执行官妮塔·马达夫指出，这些算法的有效性取决于它们搜索的数据1月初，代谢组首次向顾客报告了疫情。

Madhav表示，不同机构对医疗数据的不一致报告可能会妨碍算法的工作。他说，在这个过程中，仍然需要一些人类员工来审查数据。

哈佛大学流行病学家安德鲁·梁说，扫描在线报告中的关键词有助于揭示趋势，但准确性取决于数据的质量他还指出，这些技术并不新鲜。

“智能网络爬行是一门艺术，”贝姆说。“这也是谷歌自20世纪90年代以来的核心技术“

谷歌早在2008年就开始了自己的流感趋势服务，搜索流感症状模式以检测流感爆发一些专家批评

《科学美国人》中的一篇文章也阐述了依靠人工智能诊断疾病的潜在问题。人工智能系统通常为电子健康记录而训练，但许多电子健康记录往往不完整或不正确。此外，疾病和医疗系统往往比人工智能工程师和科学家所能预料的更复杂。

例如，DeepMind开发了一个人工智能移动应用程序，可以提前48小时预测住院患者的急性肾功能衰竭然而，系统将对每个成功预测的肾衰竭发出两个错误警报。

的假阳性结果可能是有害的，因为它们可能导致医生花费不必要的时间和资源来安排进一步的测试或改变处方治疗。

在另一个例子中，一个人工智能系统错误地得出结论，如果肺炎患者患有哮喘，他们更有可能存活，这可能导致医生改变哮喘患者的治疗方法。

不像你想的那么严重？尽管

正被越来越广泛地使用，人工智能计算的结果可能并不像人们认为的那样准确。例如，人工智能模拟显示，这种新的冠状病毒可以在45天内感染多达25亿人，导致多达5290万人死亡。但是一些专家说，人工智能没有意识到感染和检测条件的变化，这可能夸大了疫情的发展。

金融技术初创企业HedgeChatter的联合创始人詹姆斯·罗斯(James Ross)建立了估算新型冠状病毒全球传播的模型

罗斯说，到目前为止，人工智能已经成功预测了第二天发布的数字，误差不到3%

但是许多医生和医学专家说输入神经网络的条件和数据正在改变。随着这些条件的改变，结果会发生很大的变化。

以色列布鲁诺医学中心的埃亚尔·勒舍姆教授说，如果大多数感染者没有症状或只有轻微症状，这可能导致报告的病例比实际少。这意味着更广泛的感染率，但同时也导致潜在死亡率的显著降低。

预测的盲点有时在于我们无法得到或没有被统计的数据。布莱恩·拉布斯是

专家还指出，有效的防疫措施有望大大减少感染和死亡人数人类行为改变了疾病的传播。

自动诊断设备制造商LexaGene的首席执行官兼创始人杰克·里甘博士说，所有的错误加在一起会导致感染率和死亡率的巨大变化，即使是很小的变化也会对计算机预测产生巨大影响。

Rose也承认:“虽然人工智能和神经网络可以用来解决或预测许多事情，但是总有额外的变量需要添加到模型中进行微调。”“