部落格|Appier

對抗新冠肺炎一役中,人工智慧扮演的關鍵角色

作者:Admin | May 27, 2020 4:00:00 PM
 
醫療科學相關的資料向來十分豐富。幾世紀以來,科學家透過各式各樣的方式收集資料,無論是來自實驗、縱貫(貫時性)研究、研究調查,或者如診問病患的病歷紀錄等日常活動。然而,新型冠狀病毒(COVID-19)的疫情衝擊大幅改變了遊戲規則。

即使目前規模最大的醫療研究計畫已致力於消化數十萬則病例,疫情仍難以避免地影響了全球數十億人。海量的資料從各種不同的管道雪片般飛來,而此時,正是人工智慧登場對抗病毒的時刻。

使用人工智慧做出資料導向的決策
在資料科學家解讀成堆的資料時,主要聚焦於四大關鍵:數量(volume)、速率(velocity)、種類(variety),以及真偽(veracity)。對科學家而言,以上四個「V」可說是項艱鉅的挑戰。自從新冠肺炎爆發後,資料紛紛從不同的時間、管道,以及驗證級別且準確度皆不同的各種系統泉湧而入。

來自加拿大的人工智慧平台「BlueDot」能掃描來自上百種管道的資料,並於2019年12月時偵測到中國的武漢市出現疑似肺炎的群聚感染。雖然這場疫情起源於中國武漢市目前已是廣為人知的事實,但如果沒有BlueDot平台的預警,人們可能要多耗費幾週的時間才會發覺這種高傳染性病毒的存在。該平台也能讀取人們的旅遊模式和移動軌跡,讓初期的研究人員得以預測傳染病可能散播的路徑與方式。

研究人員和執業醫師試圖進一步了解新冠病毒並研擬出治療方法,卻因此淹沒在滿坑滿谷的資訊之中。而人工智慧可協助篩選資訊,讓研究人員和醫師能更快速、更正確地做出抉擇。目前,由艾倫人工智慧研究所主導的新冠肺炎開放研究資料集已囊括超過24,000份研究論文,並且數仍在持續增加中;透過人工智慧,醫師及科學家便可從資料集中尋得對研究最有益處的相關文章。

Appier的首席人工智慧科學家孫民表示,出現在衛生專家面前的資料量已難計其數。他解釋道:「在台灣,我們有每位患者的醫療史、勞工健檢結果等電子健康紀錄,還有大量的醫療影像資料,包括X光照片、電腦斷層圖及核磁共振成像圖。醫院的醫師在診斷和治療時,便是仰賴這些資料做出關鍵決策。」

移動心電圖儀AliveCor與人工智慧預測分析平台CLEW皆是以人工智慧技術為基礎、用於偵測病兆的醫療工具;前者用於評估心臟疾病的發作風險,後者則用於偵測呼吸衰竭跡象的前兆。以上技術的開發,意味著人類仍有希望拯救因新型冠狀病毒而性命垂危的患者。

人工智慧創新應用讓疫情曲線趨緩

專家必須迅速做出診斷,才能抵制新型冠狀病毒的散播。雖然人類有能力收集資料,卻會受限於自身的解讀速度。中國的新冠肺炎智慧閱片系統「平安智慧醫療」,利用人工智慧分析同一患者的不同電腦斷層掃描圖,並測量病灶的變化。目前,此系統已完成了數十萬名患者的斷層掃描檢測,與人工操作相比更加快速且穩定。而這個系統已迅速偵測出數百件的潛在案例,成功協助遏止病毒擴散。

中國的科技公司阿里巴巴也開發了相關的人工智慧系統,透過解讀患者的胸腔電腦斷層掃描以偵測新型冠狀病毒的蹤跡。該系統能於20秒內做出診斷且正確率高達96%,而專業人員則可能需花費15分鐘才能辦到。借助深度學習演算法,系統能根據斷層影像判別出新冠肺炎和一般病毒性肺炎的差異。

人工智慧也能運用於其他類型的成像判讀,例如機場配置的掃描儀便能快速偵測出經過的發燒者,因此能於潛在患者進入社區前進行更全面的檢測。

孫民認為,「人類可以藉由人工智慧的幫助壓平曲線、防堵擴散,並實現高通量診斷。妥善防治和正確診斷的重要性在於協助避免案例暴增,進而壓垮國家的醫療系統。目前最重要的疫情議題離不開資源分配,以有效鑑別應該優先檢驗並加以隔離的民眾。」

孫民更提到,妥善分配醫療用品和專業技術,便能在高風險區域爆發感染前便先發制人。而地理空間資料也可向社會大眾開放,如此一來民眾便能有所警覺,避免途經高傳染率的地區。

在台灣,政府便是依靠收集資料的方法,辨識可能有染病風險的郵輪旅客。此後,政府更利用電信公司提供的地理空間資料,以簡訊向民眾警示,公開應避免前往的潛在高風險區域。

「因此,如果未來疫情惡化時,應慎重考慮運用人工智慧的力量,結合地理空間資料與醫療紀錄打造預測模型,以預先檢驗疑似病例者並加以隔離,同時能夠將醫療資源分配至適當的地區。」孫民如此建議。

「我們已掌握了收集資料的技術和適當的人工智慧科技,並藉此按優先順序分配衛生資源和醫療資源。」他補充,「現在,我們只需要獲得政府核准,便能以創意打造出維護隱私的防疫相關系統。」

研擬療方案並預防下一波疫

對控管、甚至是防堵新冠病毒而言,檢驗及診斷可說是十分重要的防疫步驟,而找出療法並研發疫苗也是其中不可忽視的關鍵。面對這極富挑戰性的任務,世界各地已有眾多科學家目前正為此絞盡腦汁,而成千上萬的資料亦因此前仆後繼的出現。

人工智慧正協助研究人員搜遍上千份新舊研究論文,期望能藉此為研發療法和疫苗指引明路。然而,正因人類過去從未成功製造出對抗任何冠狀病毒相關疾病的疫苗,這項任務顯然困難重重。

研擬治療方案的過程中,關鍵在於理解病原體的蛋白質組成結構,以及其蛋白質在不同環境下的反應。如Google的AlphaFold及其他類似的人工智慧系統,已在協助全球各地的研究人員解構新冠病毒蛋白質方面派上用場。
「專家必須掌握蛋白質的3D結構,才能設計相應的藥物以抑制該結構的功能。」孫民表示,「只要能夠了解病毒的3D形態,便能運用人工智慧進行模擬,以篩選出可能治療此疾病的化合物分子。IBM已利用旗下的超級電腦Summit挑出77種有望用於臨床試驗的化合物。」

以往,研究蛋白質結構的過程總是勞心又耗時;不過,如今能夠使用人工智慧建立蛋白質3D結構並執行虛擬實驗,比傳統的實驗室作法快上許多。孫民解釋,防疫的關鍵在於速度。新型冠狀病毒是由RNA構成,RNA不如DNA穩定,因此更容易產生突變。研究人員目前已透過基因定序,發現新冠病毒有八種不同的病毒株。人工智慧能協助專家追蹤並預測病毒突變的趨勢,於治癒疾病甚至最終研發出疫苗上可謂至關重要。

儘管人工智慧工具能夠辨識出3D蛋白質結構模型和可望成為藥物的分子,但仍待更多實驗和臨床測試驗證其可行性。不過,至少人工智慧已讓人們比以往更快速地推進至這個階段,為抗疫爭取了大量時間。

「監測病毒的變異能幫助製藥公司更精確地瞄準藥品的開發方向,」孫民提到,「但假設現有藥物對新冠病毒都無效,那麼便要正視人類面臨著更複雜的難題,不僅要發掘未知的新分子、在實驗室進行人體實驗,更要設法大量製造發現的新分子或化合物以進行治療。」

這便是比爾與梅琳達蓋茲基金會投入了一億美元,並與可能開發出疫苗的生產商合作建設七家工廠的緣故。如此一來,才能同時研究各種可能的解決方案,並為此大量生產以投入大規模的試驗。

孫民也另外提醒,切勿因研發治療藥物或疫苗方面露出曙光就過於樂觀而鬆懈,但也不需要過於悲觀;畢竟與十年前相比,人們已擁有了人工智慧等更加先進的科技,能夠加速研發並縮短防疫時程。
他相信,第一個找到新冠肺炎治療藥物的團隊有很大的機會贏得諾貝爾獎,而人工智慧必定是該團隊征服新冠病毒的有效利器。

*閱讀Appier近期的部落格文章「行銷人注意!新型冠狀病毒的七項應變策略」,以深入了解如何運用科技協助品牌度過疫情難關。