020 年元旦前夜，一家位于加拿大多伦多市的人工智能（AI）企业 BlueDot 捕捉到一些异常：中国武汉市海鲜市场周边呈现多起稀有肺炎病例，BlueDot 迅即反响，运用自然言语处置、机器学习等技术，分离大数据和定位追踪，疾速向协作的政府部门和公共卫活力构客户传送警报并报告扩散情况。
BlueDot 所监测到的异状，正是数月后撼动全球的新型冠状病毒肺炎（Covid-19），这比世界卫生组织首度公开警示新冠病毒的时间还要早上 9 天。
BlueDot 的 AI 平台示范了人工智能技术对严重疫情能起到早期预警的功用，过去几个月里，AI 在这场全球抗疫战的许多方面发挥了共同作用：从疫情预测到筛检，从接触警示到快速诊断，从前线无人配送到实验室药物研发，人工智能助力防疫派上了不少用场，为特定场景应用赋能。
随着疫情在全球蔓延，AI 技术的创新应用也在各地相继落地。在韩国，基于天文位置的信息传送曾经成为控制病毒传播的重要工具，当人们靠近确诊病例时，就会收到基于位置的紧急信息提示。在中国，阿里巴巴推出的 AI 算法可以在 20 秒内诊断出疑似病例（比人类检测快了近 60 倍），精确率高达 96%。无人配送车辆很快被投入到人类难以接受的场景，替代人类执行高传染风险的运输任务。湖北、广东等省份的多家医院相继运用机器人为病人或被隔离家庭运送食物、药品和物资。而在美国加州，计算机科学家正在研发能远程检测独居老人安康状况的系统，一旦老人呈现身体异常病症，系统就会发出即时警报。
不过，目前人工智能在公共安康体系的应用仍显零散也未成体系。坦率说，过去四个月内，AI 在抗疫之战中的表现并不非常突出，我最多只能给它打分“B-”。新冠大盛行暴露了我们的医疗系统的脆弱性：预警响应不充沛、通报信息不准确、医疗物资分配不均、医务人员超负疲惫、医院病床紧绷、疫苗研发周期长等诸多痛点。当然，AI 的零散表现也有客观缘由：医疗体系可说是现代社会各类运转体系中最为复杂、陈旧不堪且难以变通的体系；且在新冠疫情袭来之前，我们并没有真正认识到医疗体系问题的紧迫性，没有提早采取相应的技术预防措施；最为关键的是，我们短少建构 AI 处理计划所需的大数据。
把眼光投向将来，我看到以下两个 AI 赋能医疗的悲观要素。
首先，作为 AI 燃料的医疗大数据已被激活。举例来说，机器学习数据科学平台 Kaggle 组建了新冠病毒开放研讨数据集，名为 CORD-19。它将相关数据停止汇编，并把最新研讨集中收录，汇总的格式可被机器读取和解析，以便于 AI 停止机器学习。至今这个数据集收录了 12.8 万篇包含 Covid-19、冠状病毒、SARS（非典型肺炎）、MERS（中东呼吸综合症）等关联术语的医学专业学术文章。
其次，眼下全世界的医学专家和计算机科学家都将精神集中在处理疫情问题。X大奖基金会开创人彼得·戴曼迪斯（Peter Diamandis）估量，全球如今有多达 2 亿名的医师、科学家、护士、技术专家和工程师投入防治冠状病毒的相关研发中，他们正在停止数以万计的实验，并以“史无前例的透明度和速度”共享信息。
3 月 16 日 Kaggle 发起“新冠病毒研讨应战”，聚集与疫情相关的大量信息，包括病毒的自然历史、传播和诊断办法、以及从过往盛行病学研讨中吸取的经历经验，协助全球各地卫活力构及时控制最新状况，以做出基于数据的剖析决策。该项目发布后的五天内被阅读超越 50 万次，下载量逾 1.8 万次。在国内疫情迸发后不到一个月，阿里巴巴便推出了一种 AI 算法，该算法基于 5000 多个新冠肺炎确诊病例停止锻炼，并关联到治疗后续诸如肺部白色阴影减少等的效果追踪。随后，阿里巴巴将其云端 AI 平台向全球医疗专业人员开源，与协作同伴联手部署更大批量的匿名数据，推出包括疫情预测、CT 影像剖析、冠状病毒基因组测序等模块。
据估量，现今全球医疗数据的范围每隔几个月就翻一倍。2019 年一份掩盖 19 个国度 AI 医疗市场的研讨估量，AI 医疗市场的年复合增长率为 41.7%，从 2018 年的 13 亿美圆将增长至 2025 年的 130 亿美圆，主要散布在六大范畴：医院工作流程、可穿戴设备、医学影像和诊断、诊疗方案、虚拟助手、以及最重要的药物研发，新冠疫情期间浮现的种种需求，将加速 AI 赋能医疗的场景落地。
在后疫情时期，我等待 AI 将加速融入医疗体系，赋能并推进医疗变革。其中深度学习（Deep Learning），即以一种高效办法运算海量、多维数据的才能，是 AI 分离医疗最为可期的机遇之一。深度神经网络（Deep Neural Networks）作为 AI 的一个子范畴，曾经被用于医学扫描、病理切片、眼科检查以至结肠镜检查，以得出精确而快速的算法判读。十几年后，不少国度和地域的医疗体验在 AI 赋能的作用下将发作基本性改动。
AI 赋能医疗，首先能简化及优化现有的医疗流程，例如医院的作业流程，保险履约的繁复流程。将 AI 与 RPA（Robotic Process Automation 机器人流程自动化）分离，可对某项工作流程停止智能拆解及优化，进而大大进步医疗系统的运营效率，预定看诊、保险理赔及其他流程性工作都会得到效率提升。AI 还能加快早期诊断信息的收录并完成自动化，AI 技术所能处置的文本、言语、数字的体量，无论在数量上还是精度上都是机器级别，远非人类所及。
有了充沛的医疗大数据作为根底，AI 还能为每个人或者每个群体树立安康数据基准量表。当我们控制个体安康数据，就能够依据跟踪动态数据的动摇变化，停止数据驱动的诊断，并对潜在大盛行疾病的征兆停止早期追踪研判。但是，再先进的技术系统要做到真正有效，势必需求与既存的公共卫生警示和汇报机制构成高效链接，此类信息断层即是新冠疫情在早期迸发期间存在的详细缺失。
再上一个层次的 AI 赋能表现在助力新药研发、基因组测序、干细胞、CRISPR（基因编辑）等医学打破方面， AI 模型和算法应用都有其用武之地。在制药行业，研发一种新药常常需求付出昂扬的投入，某次胜利前必有屡次付诸流水的失败实验，也连带耗费宏大的时间和金钱本钱。如今，科学家们可运用 AI 机器学习来模仿上千个变量，测试它们的复合效应会对人类细胞反响产生何种影响，这类 AI 新药研发的技术已被用于新冠病毒疫苗和其他疗法。创新工场所投资总部位于香港的 AI 药物研发公司 Insilico Medicine 是首批对新冠病毒快速响应的企业之一，这家公司应用生成式化学 AI 平台设计出新药物小分子，以复制主要病毒蛋白为靶标，早在 2 月 5 日便发布了这些小分子构造。AI 为新药创造开拓了一个新时期，用人工智能技术来换取药品研发周期的时间和本钱，整个制药行业势将迎来天翻地覆的革新。