7月22日14时，南京市通报新冠疫情防控最新情况：截至22日13时，全市共诊断出13例确诊病例，其中7个轻型，6个普通型。此外，另有9例无症状感染者。全市连夜进行核酸检测，各项防控措施正相继落地。
广深疫情刚平，南京乍然又起。复盘此前广东防疫保卫战，“精准防控、科技抗疫”沉淀的经验颇具启发意义。
7月13日晚，深圳“6·14”疫情的本地新冠病例已全部清零；当日广东省无新增本地病例。自5月21日汹涌袭粤的新冠疫情，终于日渐平复，广州人堂食早茶的快乐又回来了。在此次与新冠病毒的搏杀中，大数据技术、人工智能等新科技应用其中，成为不容忽视的辅助大脑。
广州疾病预防控制中心副主任张周斌告诉《财经》，“战胜疫情离不开强大科技支撑。结合人工智能、大数据技术等新技术，广州市在大规模核酸检测、大数据技术追踪、健康码识别赋码、防控政策仿真、传播风险识别方面打出了‘科技抗疫组合拳’。相较于传统的方式，流调追踪更快速高效，防控决策更科学精准，最终形成分区、分级差异化防控，平衡疫情防控和经济社会发展。”
作为广州、深圳抗疫的人工智能支持企业，医渡云在多个环节助力疾控工作；团队刚结束隔离、从广州回到北京，就又奔赴抗疫一线。除了在流调追踪环节充当着“侦探”，还在分级分类调控等方面担当起智库，助力政府精准决策。此前，在支持武汉、宁波、北京、青岛等城市防疫抗疫的硬仗中，医渡云搭建了“城市免疫平台”，集成了疫情监测预警、趋势研判，及防控政策指挥调度等功能。
医渡云首席AI科学家闫峻博士解释道：监测预警就像人的感知能力，有东西就能看到，看不到的话能听到，听不到还能闻到，第一时间发现疫情风险；研判像人的大脑，通过数据分析，能够想清楚事情该如何处理；指挥调度，就相当于人的手脚，决策之后得去落地执行。
监测预警、趋势研判、指挥调度，形成一个闭环，三个支点撑起AI抗疫的稳定三角。
01 数据治理，提高人效
“搞清楚病毒可能从哪里来、可能向哪里去，是控制疫情的关键。这轮广州疫情病毒非常狡猾，病毒追踪工作面临很大困难，而且在近2000万人口的城市实施防控政策，如何平衡疫情防控和经济社会发展也是现实难题。” 广州疾病预防控制中心新冠疫情防控专班工作队队长罗雷说道。
医渡云副总裁朱博威在广东驻扎了一个多月，他还记得5月29日晚到达广州时的紧迫感——海外报道Delta病毒变异株的传播速度、致病性令人心惊；多起确诊病例曾在早茶店就餐，病毒可能已悄然通过不同传播链散发，流调工作存在相当大的挑战。
朱博威带领支援团队进入应急指挥中心，取得必要授权后，便着手协助广州疾控中心进行疫情管理工作。第一步，要对确诊病例和高风险人群的流调报告进行结构化处理。
从前端传回的流调报告平均每份都有数十页，多位疾控专家需要阅读报告、提取所需的关键信息。“比如分析病例轨迹的人，要提取轨迹信息；分析病毒载量的人，要提取实验室信息……当本轮疫情达到100多个病例时，新加入一个队员，可能要读100多份流调报告才能提取充分的信息。”医渡云产业AI研究员蔡康宁讲道。
时间紧，任务重。靠人工，非但效率有限，而且容易遗漏，据广州市新冠疫情防控专班数据分析组组长李科介绍，医渡云研发了相应工具，通过自然语言处理技术，让机器阅读流调报告，自动提取出71个完整字段。将这些数据输入“城市免疫平台”决策引擎，通过知识图谱+机器学习算法，自动生成不同ID病例的传播链、关系图、时间线，并以可视化的方式呈现。
在与病毒的冲刺赛中，速度十分关键。6月5日，广州市南沙区突然发现了一家六口的确诊病例。围绕这家病例，市疾控迅速甄别了一批密接者，密接者涉及一所小学、一所幼儿园、周边餐馆及工地，辐射区域很广。如果要封闭相关区域，应划定多大范围？区政府、疾控中心急需清晰的数据分析进行决策。
医渡云团队接到这个应急工作，随即通过大数据技术协助有关部门开展数据分析和提供可视化服务，并进行了汇报；区政府听取汇报后，快速封闭了相关区域。
作为流动人口超千万的特大城市，广州本轮疫情涉及的高风险人群比以往多出数倍，“统一高效的信息管理平台，是实现对密接人员追踪、管理的关键，面对3万多名密接、次密接人员，我们尝试通过技术提高管理效率及质量。” 广州市新冠疫情防控专班信息组组长黄勇告诉《财经》。
“疫情早期，密接信息审核都是由人工完成。密接数据质量不一、有些会有遗漏。”据广州市新冠疫情防控专班数据分析组副组长陈纯介绍。“医渡云为协助疾控中心解决这一问题，开发了一个数据质控校验小程序，各区的现场工作队在上报密接数据前，先行校验数据，有遗漏或错误之处一目了然，方便自行修改。这样原本两个人花一天才能完成的工作，缩短至只需5分钟浏览审阅。”广州市新冠疫情防控专班密接协查组组长汪慧介绍说。
02 数据分析，科学研判
治理多源头、多格式、不同质量的公共卫生数据，实现数据结构化、标准化，是人工智能企业的基础能力。通过大数据技术，分析疫情风险等级和未来趋势，进而制定分级分类的政策，既考验着政府的决策能力，也考验着人工智能团队的算法技术功底。
今年1月，在接受《财经》专访时，闫峻科普了医渡云“以知识图谱、逻辑知识库为主，嵌入数据智能驱动”的算法方案。简单理解，相当于通过浩瀚的医学知识沉淀，先构建出整体的逻辑架构，基于此，再把规律逐步嵌入到知识图谱中，让每一个节点之间都是可预测的模型关系，以满足医疗领域计算结果必须可解释的需求。
这一次相当于将医疗方向的应用，迁移到公共卫生领域。“研判算法作为平台的大脑，我们投入了很大力量。除了常规的传染病模型SEIR（易感-暴露-传染-恢复），还用了Agent-Based模型，涉及大量细节参数和特征提取和处理，包括防控政策落地情况、当地人口的聚集习惯等，非常复杂。”闫峻讲道。“所以我们算法工程师就是直接往一线冲，不然的话体感不会那么强烈，参数就没法估计得准确。”
就本轮广州疫情的模型调整来看，Delta变异株的传递率更高，这意味着某一病例传染给另一人的概率相应提高。原本病例A可传给3个人，若感染Delta则可能传给4个人，基本再生数（R0）发生了变化，疫情走势的研判结果自然会改变。
同时，研判算法必不可缺的考量因素是政策，加入不同的防疫举措后，仿真模型的结果也大不相同。蔡康宁举例，若政府要求学校全面停课，那病毒的传染性会降低到原来的40%，因此“40%”就会成为模型里的一个参数，干预有效再生数(Rt)。
40%，这个数字从何而来？“牛津大学动态追踪了全球上千条全球各国防疫政策，量化了不同政策的影响力；同一政策实施程度不同，带来的效益也不同，40%这个参数参考了这项学术研究的结论。”蔡康宁进一步解释，这也是他们必须跟进最新科研成果的原因。
对于一座城市而言，防疫政策直接关乎数千万人的生活，政策制定如何更加精准？“本次疫情也是我们逐步认识Delta的过程，很多政策都是灵活调整，都是随着疫情发展态势，及时进行动态调整，充分体现了广州应对本次疫情时更加科学，精准和高效。”广州疾病预防控制中心副主任袁俊这样总结。
医渡云的政策仿真模型可以对不同的政策实施组合，进行模拟预测。比如面对一个风险小区，应选择封闭管理（严格居家，足不出户）、还是封控（只进不出，严禁聚集），此时可通过该模型计算：两种措施各可能造成多少人感染，以辅助决策者判断。
随着防控政策的施行，疫情走势的模拟仿真模型也会相应调整，据广州市新冠疫情防控专班风险评估组组长马钰介绍。在合作前，医渡云给出的准确率约定是：预测结束时间与实际情况，相差不能超过2天；预测确诊病例数与实际上下浮动不能超过8例。“事实上，我们预测广州疫情到达平台期的时间，和实际基本吻合，确诊人数和实际只差5例。” 医渡云一线团队对此颇为骄傲。
这个团队里，有算法工程师、数据科学家、医学人员、可视化工程师等角色，投入到数据分析工作的技术人员最多。广州南沙区疫情突发，应急指挥中心的疾控队员和医渡云驻场的技术分析人员，每天都要工作15-18个小时。负责风险可视化的队员一天会设12个闹钟，因为每2小时要汇总最新的风险点、上传到指挥中心，深夜亦是如此。
去年春节疫情爆发后的一年多里，医渡云团队辗转于武汉、宁波、北京、青岛、石家庄等多个城市，支持当地疾控、卫健部门抗疫。有的队员刚刚结束上一轮14天的隔离，就又匆匆奔赴有新发疫情的城市。
03 实战训练，让研判大脑更Smart
当前，人工智能可助力疫情防控的哪些环节，已经渐渐明晰。但在2020年春节，武汉新冠肺炎突然肆虐之际，这种新型病毒一度令人一筹莫展。当时的武汉已经开始封城，医渡云逆行武汉，一线队员开着车、穿着防护服从北京赶到武汉。
当时医护人员力量严重不足，数据统计总体可靠，但客观上难以排除漏报、误报。最紧要的是，以最快速度摸清真实情况。
医渡云入场后，一周上线了疫情响应平台，“战时状态，七天就协助有关部门把数据的接入、集成、清洗、质量治理工作全部干完了”，闫峻回忆道。尽管身在武汉一线的队员不多，但在北京办公室，有百余人枕戈待旦，进行后台支持。
去年2月14日这天，医渡云收到了宁波市卫健委的感谢信，“2020年1月31日至今，该小组（医渡云宁波疫情应对行动组）已连续协助我委提供15篇《宁波市新冠肺炎疫情分析和决策建议报告》，通过翔实的数据分析、科学的模型、务实的建议，对宁波抗击疫情、精准施政发挥了积极作用。” 三天后，宁波市在全国率先发布《关于促进企业复工复产的若干意见》，工厂的生产线渐次开动；26日，规模以上工业企业100%复工。同一时期，全国大部分地区还远未拐进复工复产的轨道。
同在2月中旬，医渡云与济南市卫健委、疾控中心合作搭建的“新冠肺炎医学观察者管理平台”上线，目标是对密接者、次密接者进行智能化管理。通过在线随访，对高风险人群进行流调，生成多维度的风险分析，在减轻一线人员工作量的同时，实现基层防控点、疾控中心间的信息同步；另外，平台可持续关注个人在转运隔离过程中的体验、在隔离点的生活情况、心理健康程度等。
通过协助武汉、宁波、济南等地抗疫，针对公共卫生数据的治理和分析，医渡云积累了实战经验，人工智能通过模型担当的“超级大脑”，就可以协助决策研判。
而去年北京新发地的疫情，进一步推动医渡云系统地打造这一研判大脑：去年6月11日，北京突然报告1例确诊病例，流调人员迅速锁定了新发地。13日，医渡云派团队驻场，这时北京新增确诊病例已达高峰，疫情防控时间紧迫。
在北京疫情一开始时，他们还不明晰到底能帮上什么，“所以就蹲在CDC那边、看着客户作业，一点点发现我们可以有效提升流调效率，以及后面的很多环节。”上述广州抗疫时用及的辅助高效流调、生成传染链路图、决策研判等工具，也是在这时趋于清晰。
在不断实现前线需求的过程中，医渡云形成了一套“城市免疫平台”，集成了疫情监测预警、模拟仿真、辅助研判，及防控政策执行追踪。“这套系统一开始没有清晰的顶层设计，不是完全按照产品技术的视角，而是从解决问题的角度出发。”闫峻分享道。
“智慧城市”概念提出者、中国工程院院士、同济大学副校长吴志强曾经表示：“灰底板的城市胜过白底板的城市，灰底板代表着问题，解决问题自然是市场经济的思路；白底板是从零开始的城市，需要想象问题，再‘解决问题’，近乎乌托邦。智慧城市应建立在存在诸多问题的灰底板基础之上。”
在闫峻看来，为实现相关功能而构建模型，可能很多数学家都了解模型的框架，但混合模型涉及很多参数，一个参数可能会影响到更细化的参数，从而使结果产生巨大差异。因此，需要充足的实际数据，还需将公共卫生专家的经验转化成计算机可以理解的知识图谱。“有了这两点，才能有智能模型。基于实战逐步磨炼出来的模型，效果才会变好。”
04 前可防患于未然，后可助力专病科研
除了通过人工智能支持疫情防控提效，在新冠肺炎的专病科研，以及抗疫前一步的监测预警，医渡云也有相应的布局。
去年初，新冠肺炎尚无明晰的治疗路径，相应的科研工作也十分紧迫。帮助武汉迅速建立疫情响应平台后，医渡云为武汉同济医院建立了“新冠肺炎专病智能数据库”，通过算法引擎进行数据质量治理，避免错误的数据影响结果；并翻译成计算机可读取的结构化、标准化数据后，匹配科研工具。
基于此专病库，武汉同济医院的研究团队将新冠数据与专科研究结合，发表如“癌症患者与新冠肺炎轻重症程度相关的几种危险因素”等高质量文章，“已协助超过50位医院研究者发表医疗及AI论文，最高影响因子超过30分”，医渡科技（2158.HK）2021财年年报中披露道。
防疫就是与病毒的赛跑，凡事应更早一步，早发现、早预警、早阻断。对于监测预警的理解，有两个层面：一是区域已产生新发病例、或核酸检测阳性者，这种监测依靠的是主动上报的疫情监测体系。另一层面，通过机器不间断地监测有症状的人群，结合时间、空间信息对症候群体进行异常评估，进而实现新发传染病更早发现、风险前移。
“这块我们已经有成熟的产品方案，也做了模拟测试，但实际上在全球，这种更早期的监测预警还没有经过时间验证。”闫峻表示，医渡云防疫平台的关注点不局限于COVID-19，未来可以预先监测其它已知的、未知的传染病，包括延展至公卫的健康管理领域。
真正地做到：防患于未然。
（文/海若镜， 编辑/杨中旭）