研究人员开始将机器学习技术应用于各种社群媒体，以发现武汉肺炎（COVID-19）可能正在中国以外国家传播的迹象。
具体来说，研究团队透过机器学习从社群媒体、新闻报导及官方管道等数据整理消息，然后从医学角度警告大众。比如，他们会在有疑似病例的地区寻找提及呼吸道疾病和发烧等症状的社群发文。
John Brownstein 是研究团队的一分子，同时也是哈佛医学院首席创新长。他说：
我们正在美国监视。如果当局要分配资源并有效阻止疫情蔓延，就要知道病毒可能在哪些地区传播。因此，我们试图从人们“口中”了解正在发生的事。
尽管根据世界卫生组织的官方数据，最近武汉肺炎病毒感染率有下降，且中国以外的武汉肺炎确诊病例少之又少；不过，国际社会对病毒的传播仍充满担忧，因目前尚不清楚病毒传播是否真的缓解，也有可能是新感染模式难以追踪──对此，AI 能派上用场。
相比 SARS 期间，本次新型冠状病毒有更多可追踪的资源，如社群平台和大数据。但要在大量普通感冒和流感症状的猜测及大量谣言里，找到武汉肺炎病毒感染的迹象是巨大的挑战，因此 John Brownstein 团队重新训练模型，以分辨不同的术语和症状。
目前，John Brownstein 团队的机器学习模型已证明能在大数据找到疑似武汉肺炎病毒感染的病人。除此之外，模型还能帮助专家了解病毒行为，更快定位到有风险的人群和地区。
东北大学教授 Alessandro Vespignani 致力于研究大型人群的传染病建模。他表示，即使使用目前最先进的 AI 工具，从社群媒体辨识出武汉肺炎病毒的潜在新病例也不是简单的事，因为人们还未完全知悉特征，也没有相关历史数据；不过可以确定的是，将 AI 和其他技术结合“可能非常强大”。
John Brownstein 团队一方面透过 AI 模型从社群媒体和大数据定位可能感染武汉肺炎病毒的人，另一方面正在与位于波士顿的 Buoy 公司合作，这家公司透过入口网站为美国数百万人提供健康建议。也就是说，Buoy 公司负责收集怀疑自己已经感染武汉肺炎病毒的用户资讯，并为用户提供相关建议，然后将这些数据提供给 John Brownstein 团队。
AI 对本次武汉肺炎疫情的贡献不只于此。早在 2019 年 12 月 31 日，加拿大健康监测公司 BlueDot 就透过 AI 技术检测到风险，并发出警告，避开武汉等危险区域。
BlueDot 创始人兼首席首席执行官 Kamran Khan 说：
我们知道不能依赖-，因为疫情爆发迅速，而-的资讯有滞后现象，因此，我们可以从新闻、论坛等平台收集可能有关的消息，这样能更快知道某时某地发生什么事。
不过，Kamran Khan 也认为社群媒体的资讯冗余杂乱，追踪全球机票数据也是不错的方法。
尽管各国-可透过智能手机追踪个人，但终究不如了解更广泛的趋势和动态更有效。英国南安普敦大学教授 Andy Tatem 说：
目前，疫情主要还是在中国，但其实是世界级问题，如果病毒传播到缺乏医疗资源的国家，后果将十分让人担忧。
（本文由 雷锋网 授权转载；首图来源：pixabay）
延伸阅读：
- WHO：武汉肺炎定名 COVID-19，估首批疫苗 18 个月内备妥
- PTT 网友打造台湾版武汉肺炎地图，视觉化疫情资讯让你一次掌握
