通信世界（jiè）网消息（CWW）疫情来袭（xí），社会各界纷纷采用人工智能（AI）技术（shù）提升疫情治理及物资管理能力（lì），提（tí）高疫情诊断及防控（kòng）水平，业界涌（yǒng）现（xiàn）出一批优（yōu）秀应用（yòng）案例。但可以看到，在（zài）本次疫情防控中，AI主（zhǔ）要聚焦于公众（zhòng）及（jí）医疗信息（xī）的收集处理建模以及自（zì）然（rán）语言处理等应用（yòng），由（yóu）于技术本身仍（réng）不完（wán）备，相关数据采集能力（lì）建（jiàn）设滞后，仍有（yǒu）很大的提升空间，各界抗击疫情积累的一线经验将沉淀为实际需求，对后续AI发展产生深刻（kè）影响。

portant;"> AI赋（fù）能，抗疫产品服务（wù）涌现

AI赋能，使得疫情管控能力（lì）不断提（tí）升。得益于以深度学习为（wéi）代表的AI技术对（duì）于海量非结构（gòu）化数（shù）据的端（duān）到端建模能（néng）力，以及在自然语言处理（lǐ）等感知应用方面取得的（de）长（zhǎng）足进步（bù），服（fú）务（wù）于（yú）疫（yì）情管（guǎn）控的平台（tái）服务层（céng）出不穷。

首先（xiān），采用AI及大数据工具（jù）打造的（de）追踪及（jí）查询（xún）平（píng）台能够智能整（zhěng）合匹配患（huàn）者信息、交（jiāo）通信息、地理信息、医用物资信息等多维度数据（jù），对（duì）整体人流（liú）迁移情况、交通疾控管制、同行人（rén）群搜索、物（wù）资需（xū）求对（duì）接等多项功能提供可视化展示及（jí）搜索工具，完成对患者（zhě）及接（jiē）触（chù）者跟（gēn）踪及智能匹配分析等任务（wù），实现了（le）医（yī）用物资高效对接，极大提（tí）升了疫情管控效率；其次，基于自（zì）然语（yǔ）言处理（lǐ）技术的（de）智能信息服务平台能够完成包括疫情知（zhī）识宣贯（guàn）、疫（yì）情进（jìn）展（zhǎn）通报、智能对话查询、智能外呼寻访等在内的（de）个性（xìng）化（huà）信息采（cǎi）集及交互任务，减（jiǎn）少了信息宣贯及采集人员流动接触带来（lái）的（de）感染风险（xiǎn），有效节约了人力、物力，同时提升了（le）信息采集效率。

AI助力（lì），使（shǐ）得诊（zhěn）疗技术（shù）手段不断丰富。在（zài）本次疫情防控“战役”中，AI技术在问诊导诊、病毒检测、辅助（zhù）诊断、基因分析及（jí）数据预测方（fāng）面也（yě）发挥了重要（yào）作用，业界（jiè）涌现出一（yī）批优秀应（yīng）用案例。

针对（duì）广（guǎng）大公（gōng）众群体的需求，各大科技公司纷纷推出线（xiàn）上咨询及问诊服务（wù），通过（guò）智能语音客服、远程线上预（yù）诊等方式实（shí）现了对于疫情病（bìng）情的初（chū）筛，提（tí）供高效的多人体温检测及人体识别系统。通过（guò）AI技术辅（fǔ）助，在各类公共场所（suǒ）高（gāo）密度人（rén）员流动场景下的工作人员快（kuài）速定（dìng）位体温异常者，实（shí）现非接（jiē）触（chù）密集型人流（liú）AI辅（fǔ）助温（wēn）感解决方案，同时能够将体温检测（cè）结果与人员身（shēn）份进行有效绑定。

针对医患群体的需求，科技公司在（zài）病毒检测、辅（fǔ）助诊疗、药物研发等领域提供了高效工具：借助（zhù）计算机视觉技术的医疗影像辅助诊断（duàn）系统，能够（gòu）对肺（fèi）部CT进行更为快速的判断，AI工具（jù）赋能（néng）基因分（fèn）析可将原来数小（xiǎo）时的疑似病（bìng）例基因分析缩（suō）短至半小时（shí），大幅缩短确诊时间，并能精准检测出（chū）病（bìng）毒变异情况；AI模型的数据（jù）预（yù）测（cè）能力也得到充（chōng）分发挥，对于新型冠状病毒RNA二级结构的预测（cè）时间从55分钟缩短至（zhì）27秒；医疗导诊、智能递送（sòng）、测温等机器人等也开始在疫情（qíng）定点（diǎn）医院展开服（fú）务，减少了接触传染（rǎn）概率。

portant;"> AI技术赋能关键（jiàn）问题分析

尽管AI技术应（yīng）用（yòng）在医疗（liáo）领域已有一定基础，但依然存在（zài）着技术自身短板及能力建设滞后等关键问题，制约了AI技术在疫（yì）情防御方面发挥更大的（de）作用。

第一是AI的（de）不可解释性（xìng）无（wú）法有效融（róng）入流行病学体系。流行病学体系（xì）中关于（yú）生物研究及医药学科研发需要对于数据内在关联因素有详尽的论证（zhèng），疫苗制造（zào）、药物研发等需要严谨的科学（xué）研（yán）究，尽管AI模型能（néng）够快（kuài）速实现数据内在关系（xì）的建模挖掘，但尚不能（néng）解释其因果及相关性原因（yīn），因（yīn）此依靠AI算法对流行病（bìng）进行（háng）建（jiàn）模还需进行（háng）可（kě）解释性的理论攻关。

第二是AI对于多维（wéi）数据（jù）的处理能力不足，体系化的综合解决方案赋能（néng）尚需时日。当（dāng）前AI模型输入对（duì）于数据（jù）要求高，需要数据清（qīng）洗对齐等（děng）大量前（qián）期工作。而各信息通信系统采集数据规则不同、格式各异，尽管（guǎn）各个维（wéi）度数据统（tǒng）计（jì）覆盖相对完备，但仍然无法在短（duǎn）时（shí）间内成为AI系统的有（yǒu）效输入，导（dǎo）致了大量关键数据重复收集处理的资源浪费。

第三是数（shù）据采集及整合能力建设滞（zhì）后，制约了AI融合进程。在疫（yì）情（qíng）数据采集（jí）中，个（gè）人出行信（xìn）息、生物（wù）特征信息、病情（qíng）病理信息等数据的采集分析对（duì）于打赢抗疫“战役（yì）”至关重（chóng）要，而由于相（xiàng）关数字（zì）化（huà）信（xìn）息采集及整合能力匮乏，建设及采集主（zhǔ）体（tǐ）分散，疫（yì）情治理所需的相（xiàng）关基站数据（运营商采集处理）、支付数据（银联及第（dì）三方支付机构采集（jí）处（chù）理（lǐ））、出行数（shù）据（jù）（铁路公司和航（háng）空公（gōng）司及酒店等（děng）信（xìn）息系统采集处理）、城（chéng）市摄像（xiàng）头（tóu）及（jí）户口等行政数据（jù）（公安部（bù）门（mén）采集处理）的采集能力仍然（rán）相对欠缺（quē），同时尚未形成有效的数据（jù）规（guī）范体（tǐ）系（xì），直接（jiē）制约了AI在疫情防控（kòng）治理中的（de）融合（hé）高效应（yīng）用。

第四是技术供给和需求侧对接仍然存在人员及（jí）系统融合问题（tí）。由（yóu）于疫情防控领域门槛较高，需要技术（shù）供给方对于相关防疫（yì）理论及（jí）操作流程有深刻理解（jiě），而当前技术（shù）提供方（fāng）跨领域人才稀缺，无法有效满足需求（qiú）侧实际需求（qiú）。同时，医用信息化系统（tǒng）与（yǔ）AI系统的融合（hé）尚处（chù）初期（qī）阶段，新老系统（tǒng）迁移（yí）融（róng）合进度（dù）滞后影响了（le）供给（gěi）侧和需求侧的有（yǒu）效（xiào）衔接。