高維機器學習防控篩查模型，精準篩查高風險易感人群

在疫情防控過程中，及時發現高風險人群與超級傳染者，準確掌握疫情發展動態是關鍵。同時，如果能就不同政策對疫情的影響進行預演判斷，以及更快速地追溯到病毒的傳播路徑，將極大提高政府部門的防控效率。

2月9日，澎湃新聞了解到，國內人工智能企業第四范式，聯合南京大學、蘇北人民醫院臨床專家，已經研發出基于人工智能（AI）的精準防控、疫情推演及病毒溯源方案，并正式投入到抗擊疫情的一線戰斗中。據悉，這套方案基于第四范式機器學習技術以及臨床研究專家的專業經驗，通過多維度數據分析和模擬，有利于進一步提升高危感染人員精準篩查比例，推演疫情發展情況實施精準防控，找到并切斷疫情蔓延的源頭。

第四范式成立于2015年，2016年獲“吳文俊人工智能科學技術獎”創新獎一等獎。目前，第四范式已將 人工智能賦能醫療、金融、政府、能源、互聯網等20多個行業，完成近2000個AI落地案例。

高維機器學習防控篩查模型，精準篩查高風險易感人群

在疫情防控中，高風險易感人群的精準篩查非常關鍵，通過找出此類人群，采取及時發現、及時告知、及時隔離等措施，能夠有效防止疫情的擴散。傳統的篩查規則系統是通過判斷是否和確診或疑似人員在同一地區同時出現，規則簡單、易于操作，但供判斷分析的數據源獲取難度大，基于有限數據源獲得的篩查結論，其準確度還有很大的提升空間。

這套方案通過多維度數據分析和模擬，有利于進一步提升高危感染人員精準篩查比例，推演疫情發展情況實施精準防控，找到并切斷疫情蔓延的源頭。

第四范式利用AI技術豐富了現有的防控篩查規則模型，進一步提升人群的覆蓋面以及篩查的召回率與準確率，降低了管控難度與成本。特別是在緊急狀況下，能夠協助主管部門把有限資源投入到最關鍵的區域。此外，面對病毒變異以及人群動態復雜性，第四范式還基于人工智能的自學習能力構建了數據及系統閉環，持續迭代，從而保證在非常有限的時間內基于動態環境變化提供高效、準確的判斷支持，協助各有關部門制定可操作性的政策和行動計劃。

可學習的省市區縣級數字孿生系統，實時預演分析疫情發展

在疫情推演中，由于傳統SEIR、高斯過程回歸、SARS傳染擴散等模型很難考慮人口流動、管控措施等綜合因素，對實際抗疫戰爭中的防控決策支持力度不足，無法提供供決策層制定政策并影響疫情發展的有效方案。

第四范式采用了高維機器學習技術以及多維度的數據，構建了更細粒度、更接近實際情況的省市區縣級數字孿生系統，充分考慮復雜環境下的各種突發因素，例如交通管制、復工時間、藥物投放等，對疫情發展的影響，最重要的是該系統具備模擬功能，可以就關鍵決策一旦實施所帶來的影響進行仿真預判，為制定實用有效的防控政策提供了重要依據。

基于AI技術構建疫情溯源系統，快速追溯傳染路徑

在防控初期及結束后，病毒傳染溯源極為關鍵。此前，病毒傳染溯源主要通過人工分析患者信息找到相關性，再經推演現場驗證得出。但該種方式存在對新信息響應慢、對復雜場景處理能力有限等諸多挑戰，同時由于很難實際觀測到傳染事件的發生，使得傳染路徑以及傳染方向的推斷變得異常困難。

為了實現準確、高效的溯源，第四范式、南京大學以及蘇北人民醫院臨床研究專家組成的聯合團隊，利用機器學習技術構建數據驅動的新型冠狀病毒傳播數字孿生系統，構建潛在傳染的關系網，結合病患信息，在關系網中找到可能的傳播源以及潛在的超級傳染者。此外，第四范式還構建了可學習的事件回放模擬器，及時發現潛在傳染路徑，幫助防疫部門快速切斷疫情蔓延的源頭。

第四范式稱，目前這套系統已經在防疫一線中使用。同時，第四范式將向社會開放智能疫情防控系統，希望為更多疫情防護部門、機構及單位提供人工智能技術幫助與支持。