登入
科技的進步得以提升人類福祉，新穎科技的應用在疫情期間證實有良好的成效。不管是以社交軟體提供即時性正確的公衛知識，還是以高科技協助醫生更快診斷病例，都說明了現代生活中有更強大的防疫工具可以使用。而近期火熱的人工智慧技術更是在防疫措施上，展現了其價值所在。
人工智慧在醫療業有許多廣泛且深入的應用，也因此在防疫的各個環節都少不了它。從疫情爆發的各階段來看，在疫情爆發前，如果有辦法預先判定哪些地方可能會有疫情的大規模染感，那在公共衛生上將可讓傷害降到最小。若更進一步要避免群聚感染的發生，正確且即時性的公共衛生安全知識十分重要。此外，科技也可阻絕假消息的快速散播，使社會建立起良好的防疫體系。最後是對於已確診病患，醫院該如何安排最適人力、有限的醫療器材該如何分配，以及該用什麼藥物治癒病患，或者是否存有更有效的疫苗藥物？這些AI都能幫上忙。以下將從各情境中介紹幾個例子，說明人工智慧技術如何解決上述提到的難題。
一、預判病情的爆發
在今年一月初，美國疾病管制與預防中心(CDC)針對武漢肺炎發布了全球通告。但其實早在2019年底，BlueDot就宣稱其對疫情發出了預警。BlueDot是怎麼辦到的？透過NLP技術及機器學習演算法，過濾健康衛生組織、商業航班、糧食與動物組織等報告資訊，鎖定的資料量十分龐大，此外還每日篩選全球65種語言共計100,000篇媒體報導。從中找出與疫情相關的詞彙與句子，才得以即早判斷出潛在的疫情風險。
BlueDot是一家利用人工智慧協助人們預測疾病、疫情爆發的新創企業，成立於2008年。公司是由amran Khan所創辦，由於本身有傳染疾病與公共衛生的專長，且同時在SARS期間的服務經驗所啟發，而創辦了具有預測疫情能力的公司。BlueDot最近一輪募資為BDC Venture Capital、The Co-Operators Insurance Group所投資的A輪679萬美元，目前累計共獲投三輪次投資、總獲投金額為940萬美元。
波士頓兒童醫院的研究團隊使用與BlueDot類似的作法，同樣是使用機器學習演算法來判斷疫情發生的可能性。篩選資料則是透過社交平台貼文、新聞報導、權威性醫療報告作為參考資料，並且成功預測出COVID-19的爆發。
疫情的提早預測對於整個醫療體系部署流程十分重要，這套系統除了協助政府追蹤疫情爆發的情形，同時得以主動的控管疾病傳染的風險。另一方面，由於數位化時代所衍伸的龐大數據，也讓研究人員得以從各個變數中，抽絲剝繭出富有價值的資訊，創造出新的預測方式。
二、訊息的傳遞
資訊的傳播透過網路能以近乎全球同步的速度傳達至群眾，也因此正確的訊息與衛教知識對於防範疫情進一步擴大十分重要。而台灣藉科技推動各項防疫措施，如LINE平台疾管家、1922防疫達人Messenger Chatbot，提供民眾即時防疫資訊，居家隔離、檢疫說明及口罩購買措施等資訊。
法國新創Clevy.io開發聊天機器人，可使民眾能夠更容易獲得關於COVID-19的正確資訊。藉由即時接收法國政府與世界衛生組織的公共衛生消息，並由大量的資料建立起功能強大的語言、知識庫，能清楚接收民眾的提問並給予即時性的回饋。
數位時代下，消息的傳播僅在數秒間完成，台灣前陣子也深受假消息肆虐的危害。為避免在防疫階段有錯誤的知識流通，不但祭出重罰嚴懲假消息的散布者，更建立多個事實查核中心於不同平台上，為的就是將假資訊造成的傷害降到最低。
三、醫院管理與篩選
醫院管理是一門深奧的學問，如何將有限的醫療資源、人力配置做到最有效率分配。哥本哈根大學研究研究使用AI技術，解決疫情時間下醫院的管理痛點。藉由模型計算出該投入多少人力至重症照顧、醫療設備的準備量。
醫療體系人員現今高度依賴科技協助工作，以人工智慧的分類技術來舉例，對於確診的病患而言，醫生所苦惱的是究竟該請病患自行回家隔離觀察，還是判斷有可能衍生出嚴重疾病而留在醫院接受照顧。因此經過訓練的AI技術，就能透過分辨病患的病情症狀，給予醫生作為診斷參考。
同時在疫情期間，到公共場合皆強調社交距離的重要性，但要在保持社交距離上施行旅客體溫的測量，使得在操作上存在瓶頸。這時候結合AI技術的熱像儀就發揮其重要性，結合人臉辨識技術可以在遠距離的情況下，得以準確的量測民眾的體溫，並做好完備的防疫措施。根據中國當局在公共運輸系統的實施成效來看，其每分鐘得以快速檢視200位民眾是否存有發燒現象。
另一家協助診斷肺炎病狀的公司為Dragonfly，是一家知名的無人機廠商。而藉由與澳洲 UniSA南澳大學共同開發出一款特別的無人機技術，支援遠距離監測人體生理數據，不但能夠蒐集到體溫、心臟跳動與呼吸頻率之外，更透過AI技術偵測人體動作是否有打噴嚏或咳嗽的動作。
根據Dragonfly的創辦人Cameron Chell表示，該公司所開發的無人機搭載具演算法功能的攝影鏡頭，使得可以在 36 公尺遠的距離空中偵測人群，並隨時監控是否有人出現COVID-19 的症狀。
資料來源：Dragonfly-Pandemic Monitoring
圖7-1 Draganfly無人機監控示意畫面
而台灣微軟則將防疫技術做到更高境界，藉由與聯發科技、磐儀科技、偲倢科技及維新應用科技之間的合作，開發出一款口罩與紅外線溫度一站式檢測裝置。除了藉由檢測裝置判斷出體溫異常者，更能夠藉由識別出民眾是否有確實戴口罩。建立在防疫工作上成立第一道防線，運用科技減少更多的負擔與風險。
四、協助醫生診斷
AI技術在醫療診斷上的應用一直是廣為人知的，在疫情緊張時刻若能夠在最短的時間內對於疾病給予正確的診斷，即可爭取最多的時間做後續的醫療治癒服務。
一家Axial AI的公司開發診斷演算法，此類診斷做法為事前餵食AI系統大量資料，裡面涵蓋健康肺部與確診者肺部圖片作為訓練資料。透過以秒為單位的CT圖像，協助醫生判斷病人是否有產生的武漢肺炎的病狀，並得以即時性的給予醫療照護。
談到圖像診斷肺炎情況就不得不提台灣，在國際COVID19科技防疫黑客松(Build for COVID19 hackathon)中，成大擊敗全球1,000多隊奪勝的事蹟。由成大資訊工程系特聘教授蔣榮先與成大放射科醫師蔡依珊等所組成的MedChex團隊，早在今年一月份缺乏關於武漢肺炎的影像資料時，團隊就召集專業放射科醫師，採取人工標記的方式一一標記出肺炎的影像，才得以獲得珍貴的模型訓練資料集，並受到全球醫療團隊的廣泛使用。
AI技術在圖像診斷上一直有極高的準確度，但高準確度的背後來自於大量的高品質圖片。有趣的是，對於一個新的疾病來說，如何能夠在既有的資料庫中找到可以採用的圖片是個難題，又同時面對著資料稀少的情境下，能開發出良好應用的模型實屬不易。
五、疫苗與藥物開發
在醫療領域中藥物開發由於涉及成千上萬種可能的化學結構式推論，因此需要一套具高運算、推論邏輯能力的技術，因此以強大的運算、推論能力聞名的人工智慧自然得到廣泛的應用，以下將簡述幾個在疫情期間，全球研究團隊藉AI技術尋找疫苗解藥的例子。
開發出AlphaGo擊敗人類西洋棋王的DeepMind，在接連於西洋棋、電競拿到良好的成績後，DeepMind將研究重心轉移至Alphafold，專心研究蛋白質結構預測。由於科學家在疫苗的開發與測試病毒的危害前，必須對於病毒的蛋白質結構有所掌握。於是在三月時，DeepMind就釋出病毒的蛋白質結構預測模型SARS-CoV-2，並將結果免費發布以幫助其他公司開發治療藥物。
來自澳洲福林德斯大學的研究團隊，利用AI與雲端運算技術協助開發適用於COVID-19的疫苗。利用雲端技術Oracle與Vaxine進行分析研究(該團隊於2009年使用雲端Vaxine技術找出豬流感疫苗)，並將所獲得的數據資訊作為篩選潛在疫苗的工具。根據研究負責人Nikolai Petrovsky表示，目前這項疫苗研究已經在美國實施動物性實驗，當確認疫苗安全無慮時將開始進入人體試驗階段。
藥物開發的時程動輒好幾年，拜AI技術的導入所賜大幅縮短了開發時間。同時藉由高運算能力的模型推測出病毒可能的蛋白質結構，讓潛在的藥物與疫苗研究過程更為順遂，讓人類在未來有可能逐漸掌握對於疫情的控制。
六、結語
在本文的例子中，可以看到AI技術如何在各個環節有效的應對Covid-19，從疫情的爆發前後都能以有效率的方式解決其問題，並以快速且規模化的方式應用於日常生活中。除了帶給我們更為便利的生活外，也讓我們將疫情災害造成的傷害降到最小。
而當中有許多的科技研究，所涉及的往往是動輒數年且十分耗費資金，但卻又不一定能夠見到其成果，也在技術開發初期無法見到其商業價值，或者是技術本身具有廣泛的應用卻無法賴以商業化。
這也是為什麼科學的進步，背後往往需要產官學三方的合作，才得以支撐起持續消耗龐大研發經費的新穎技術開發。但從這場防疫作戰看來，台灣的防疫能力全球聞名，同時也應用諸多技術於這場戰役中，相信未來在人工智慧領域上台灣仍得以占有一席之地。
參考資料
許哲豪（2020），「如何應用人工智慧技術精準預測疫情發展 - AI Hub」，2020/4/23，https://reurl.cc/j7KeZn
BBC （2020），「肺炎疫情：人工智能幫助診斷新冠走到哪一步」，2020-05-05，https://reurl.cc/X6nM5R
Medium（2020），「AI HUB專欄新冠肺炎升溫如何應用人工智慧技術超前部署」，2020-04-24，https://reurl.cc/O1WZOR
DIGITIMES（2020），「免費下載！DeepMind釋出蛋白質結構預測模型SARS-CoV-2」，2020-03-30，https://reurl.cc/xZrLMb