QQ在線
企業微信
資訊
494
隨著產業需求的變化，5G、AI以及大數據等新技術風口密集爆發，為傳統行業賦能全新價值。在近期爆發的疫情當中，為了實現更好的管控防治效果，不少企業紛紛應用諸多技術手段來抗擊疫情。對比2003年肆虐的非典疫情，此次的疫情在癥狀上潛伏期更長，傳染性更強，因此在防治方面無疑會面臨更大的困難。
監控人員流向、潛在傳染人群、切斷傳染源，在這場“戰疫”中，這些都是亟待解決的問題。雖然疫情的傳播性更強，但相比2003年，當下也有了更多的新穎技術來進行應對。在這場疫情抗擊中，背后的技術手段正在發揮重要作用。
在傳染病疫情的防治上，確定傳染源是最為重要的一點。相比明顯的癥狀，此次疫情較長的潛伏期和春運流動無形中擴大了傳染范圍，因此加劇了疫情狀況。對于這一方面，大數據就發揮了作用。此前武漢市市長周先旺表示已有500萬人員出于春節節假以及疫情等因素流出武漢，而這一龐大的人員流動毫無疑問會增強潛在的傳染風險。
對于這一點，百度地圖慧眼遷徙大數據通過數據定向、分析等途徑確定了500萬人員流出的方向。在1月1日至1月26日期間，武漢人員遷出地前十排行多為孝感、黃岡等省內市區。通過百度遷徙，用戶可以對全國乃至省市每天遷入遷出流動進行分析。在直觀的可視圖下，地方可以對疫情控制進行更加精準和嚴格的控制。
例如在武漢遷出地上，不只是疫情爆發期間，在23日封城之前，我們也不難看出孝感和黃岡兩者遷出比例都排名前列，傳染風險性更高。從確診人數來看也確實如此，截至2020年1月31日24時，湖北省內確診人數分別為武漢(3215例)、黃岡(726例)以及孝感(628例)。在采取封鎖政策之后，除開武漢，黃岡和孝感等高遷出目的地也應當給予重視，避免出現“燈下黑”的情況。
除開宏觀的人員流向，大數據還能夠應用于微觀用戶的運動軌跡。對于已確定感染人群來說，通過基于移動終端的軌跡，我們可以通過匯集的大數據來勾畫關系圖譜，進一步追蹤接觸者以進行隔離管理。
這兩種應用場景并不相同，但在技術手段上還是依靠地理位置授權等數據。以百度為例，除開百度地圖應用的用戶位置感知，當用戶打開百度系等APP的時候，基于LBS我們可以同樣知悉用戶地理位置。除此之外，大數據也將會對用戶的支付、車票行程、住宿等信息進行整合分析。通過AI對于密集的用戶信息進行分析，我們將可以通過多個維度來篩出潛在傳染用戶，并且迅速采取措施斬斷彼此的聯系。
5G在去年迎來了風口，而應用場景在此次疫情中也逐漸落地。由于擁有更大的帶寬、更低的時延優點，5G在數據傳輸上具有明顯優勢。在疫情爆發的時間段內，5G網絡的布設不僅可以讓診斷更加高效，同時還能夠有效減輕交叉感染的機會，從而增強疫情防控效果。無論是各省市醫院還是火神山、雷神山醫院，5G網絡加設都在其中起到了重要作用。
通過5G網絡，對于醫院人流量情況相應部分可以實現實時高清視頻監控，同時醫生還能夠開展遠程視頻診療、遠程視頻會議，遠程手術，從而減少直接接觸，提高防控能力。不只是傳播維度的拓寬，5G網絡的高速率還保證了通訊的暢通，營造出更為暢通的信息環境。
除開直接的信息通訊，5G網絡還帶來了“業務上云”的可能。例如在病患信息采集上，可以直接通過5G網絡實時反饋到醫生面前，減少直接接觸的機會。此外，病患的病歷還可以實現云上共享，打通彼此信息，從而便捷病情之間的診斷交流。
大數據的處理離不開人工智能，而后者在疫情中所能發揮的作用也越來越多。此次疫情不僅本身具有較強的傳染性，在時間點上也碰上了流感爆發以及春運流動的時間點，因此病情人數不斷上升。也正因如此，在大規模傳染之后，現有的醫療資源勢必難以滿足抬升的病患用戶。
為了提高效率，此前阿里巴巴達摩院推出了“智能疫情機器人”，通過語音識別、自然語義理解等人工智能技術，機器人可以針對疫情問題、就醫注意、防護措施進行回答。對于正常用戶、輕癥用戶來說，人工智能可以起到一定的答疑作用，避免醫療資源緊缺以及交叉感染的風險。
人工智能還被應用于疫苗科研研發。通過AI技術的深度學習處理，它能夠便于科研人員進行數據分析、快速篩選文獻以及相應的測試工作。不僅如此，AI還可以應用于建立模型以觀察疫情傳播。早在之前，國內基于AI和大數據的流感實時預測模型便登上了《柳葉刀》的子刊，為傳染病預測提供了更加精準的邏輯框架。
該模型由平安科技、平安智慧城市、重慶市疾病預防控制中心、陸軍軍醫大學和清華大學聯合完成，用以預測重慶市流感活動。通過對衛生系統內部流感監測數據、天氣數據、互聯網輿情等數據的監測分析，相關部門可以更好地把握疾病發生周期、預計活動，從而合理分配衛生醫療資源、引導居民進行預防。
利用數據分析來確定疾病威脅等級，從而預測疫情爆發，在海外也已經有了相應健康公共風險評估機構。對于這一次疫情，加拿大BlueDot表示在去年12月底便已經發現了新型冠狀病毒的存在，并已向客戶進行了通報。應對疫情來襲，疫苗和療法是重中之重，但在往后的風險傳播中，人工智能勢必將會被更多地應用于預測疫情爆發。
