Haddon 模型視角下大數(shù)據(jù)和人工智能在COVID-19 疫情防控中的應(yīng)用分析

高景宏，王言研，蔣帥，付航，段彥然，王素凡，王成增*

1.450000 河南省鄭州市，鄭州大學(xué)第一附屬醫(yī)院 河南省醫(yī)院管理研究院

2.450000 河南省鄭州市，河南中醫(yī)藥大學(xué)第五臨床醫(yī)學(xué)院（鄭州人民醫(yī)院）產(chǎn)科

世界衛(wèi)生組織（WHO）報(bào)告，截至2022-12-11，全球已有超過(guò)6.45 億和660 萬(wàn)的新型冠狀病毒感染（COVID-19）確診病例與死亡病例［1］。鑒于COVID-19的人群健康危害，有必要在COVID-19 流行的每個(gè)階段采取預(yù)防和控制措施，以有效遏制COVID-19 的肆虐。值此背景下，大數(shù)據(jù)和人工智能技術(shù)在COVID-19 疫情防控中得到廣泛探索與應(yīng)用［2-3］。但是，目前鮮有研究對(duì)大數(shù)據(jù)和人工智能在疫情各階段的應(yīng)用情況進(jìn)行綜合探討，不利于其在健康醫(yī)療領(lǐng)域的深入發(fā)展和突發(fā)疫情時(shí)的全面防控。因此，本研究擬在總結(jié)COVID-19 疫情防控面臨的主要問(wèn)題基礎(chǔ)上，首先對(duì)大數(shù)據(jù)和人工智能的優(yōu)勢(shì)及其在COVID-19 疫情防控中的常用技術(shù)進(jìn)行概述，并基于Haddon 模型視角，深入分析大數(shù)據(jù)和人工智能在COVID-19 疫情發(fā)生前、發(fā)生中和發(fā)生后3 個(gè)階段的應(yīng)用。本研究對(duì)進(jìn)一步明確大數(shù)據(jù)和人工智能在新發(fā)疫情發(fā)生、發(fā)展過(guò)程中的應(yīng)用與未來(lái)趨勢(shì)，提升COVID-19 疫情防控效率和質(zhì)量有效應(yīng)對(duì)復(fù)發(fā)或新發(fā)傳染病具有重要意義。

1 信息檢索策略

使用電子數(shù)據(jù)庫(kù)PubMed、中國(guó)知網(wǎng)（CNKI）和萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)對(duì)2019-01-01—2023-05-01 發(fā)表的中、英文論文進(jìn)行文獻(xiàn)檢索。檢索主題詞或關(guān)鍵詞包括：（1）“新冠”或“COVID-19”；（2）“大數(shù)據(jù)”或“big data”；（3）“人工智能”或“artificial intelligence”；（4）“預(yù)防”或“prevention”；（5）“控制”或“control”；（6）“應(yīng)用”或“application”。根據(jù)不同文獻(xiàn)數(shù)據(jù)庫(kù)的具體要求，檢索詞組合方式主要有（1）+（2）（1）+（3）（1）+（4）+（5） 或（1）+（2）+（3）+（6）等。另外，本研究還檢索了WHO專(zhuān)題報(bào)告、衛(wèi)生健康委員會(huì)網(wǎng)站、政府報(bào)告、企業(yè)產(chǎn)品技術(shù)宣傳、學(xué)術(shù)會(huì)議報(bào)告等。納入標(biāo)準(zhǔn)：（1）涉及大數(shù)據(jù)或人工智能技術(shù)；（2）目標(biāo)疾病是COVID-19；（3）包含COVID-19 的預(yù)防或控制；（4）是具體技術(shù)的疫情防控應(yīng)用。排除標(biāo)準(zhǔn)：（1）涉及技術(shù)不屬于大數(shù)據(jù)或人工智能范疇；（2）面向的是COVID-19 以外的其他傳染病；（3）屬于技術(shù)理論或其實(shí)現(xiàn)過(guò)程。基于最終納入的文獻(xiàn)資料，進(jìn)行相關(guān)證據(jù)或信息的歸納總結(jié)。

2 COVID-19 疫情防控面臨的問(wèn)題

在COVID-19 疫情防控過(guò)程中，存在諸多問(wèn)題與挑戰(zhàn)。首先，疫情防控涉及監(jiān)測(cè)、預(yù)警、響應(yīng)、任務(wù)派發(fā)、執(zhí)行等多個(gè)環(huán)節(jié)，傳統(tǒng)的單純依靠人工值守和操作各個(gè)關(guān)口，負(fù)荷大且效率低，難以滿足疫情防控爭(zhēng)分奪秒的時(shí)效性需求。其次，疫情防控產(chǎn)生的海量多模態(tài)數(shù)據(jù)，使現(xiàn)有技術(shù)在信息讀取和融合處理方面的承載能力捉襟見(jiàn)肘。再者，在流調(diào)、消殺、科普宣傳等疫情防控場(chǎng)景中，傳統(tǒng)的人工方式，一方面增加工作量影響工作效率，另一方面還易增加健康人群、醫(yī)護(hù)人員的暴露風(fēng)險(xiǎn)與交叉感染風(fēng)險(xiǎn)，不利于疫情防控。另外，疫情防控產(chǎn)生了大量健康醫(yī)療數(shù)據(jù)，其中蘊(yùn)含的信息與價(jià)值，傳統(tǒng)的統(tǒng)計(jì)分析方法很難予以挖掘利用。最后，疫情防控涉及大量隱私敏感信息，分布于各個(gè)層級(jí)的疫情防控活動(dòng)中，現(xiàn)有信息安全技術(shù)已無(wú)法為其提供足夠的保障。

3 大數(shù)據(jù)和人工智能技術(shù)的優(yōu)勢(shì)

鑒于疫情防控面臨的諸多問(wèn)題，大數(shù)據(jù)和人工智能技術(shù)因其以下幾個(gè)方面的優(yōu)勢(shì)而得到廣泛應(yīng)用。第一，減少人工負(fù)擔(dān)，提高工作效率。通過(guò)在疫情防控的必要環(huán)節(jié)研發(fā)和配置智能機(jī)器人部分替代人工，提高疫情防控業(yè)務(wù)指令的流轉(zhuǎn)與運(yùn)行效率。第二，高效的海量信息讀取、存儲(chǔ)和處理能力。通過(guò)大數(shù)據(jù)和人工智能技術(shù)，可提高多模態(tài)疫情數(shù)據(jù)的錄入、識(shí)別與分析，提升數(shù)據(jù)處理與輔助決策的效率［3-4］。第三，替代人工完成諸多疫情防控任務(wù)。例如，通過(guò)研發(fā)和部署智能機(jī)器人，代替人工進(jìn)行流調(diào)、消殺、配送任務(wù)，避免重點(diǎn)人群暴露傳染源或交叉感染［5］。第四，深度挖掘和利用海量疫情數(shù)據(jù)，輔助疫情防控決策。通過(guò)對(duì)海量疫情數(shù)據(jù)進(jìn)行深入挖掘，大數(shù)據(jù)和人工智能技術(shù)能更充分地利用疫情數(shù)據(jù)助力COVID-19 疫情防控［6-7］。最后，可靠的數(shù)據(jù)安全和隱私保護(hù)。大數(shù)據(jù)和人工智能在疫情防控中的應(yīng)用均以確保數(shù)據(jù)安全為前提，有專(zhuān)門(mén)的技術(shù)手段防止信息泄露。

4 疫情防控常用的大數(shù)據(jù)和人工智能技術(shù)

目前，在COVID-19 疫情防控中常用到的大數(shù)據(jù)和人工智能技術(shù)包括機(jī)器學(xué)習(xí)、流程機(jī)器人、人工智能光學(xué)字符識(shí)別技術(shù)（OCR）、自然語(yǔ)言處理、智能語(yǔ)音機(jī)器人、智能交互、機(jī)器視覺(jué)、知識(shí)圖譜和隱私計(jì)算等（表1）。

表1 用于COVID-19 疫情防控的大數(shù)據(jù)和人工智能技術(shù)Table 1 Big data and artificial intelligence technologies for the prevention and control of COVID-19

4.1 機(jī)器學(xué)習(xí)技術(shù)

機(jī)器學(xué)習(xí)是關(guān)于數(shù)據(jù)學(xué)習(xí)的多領(lǐng)域交叉學(xué)科，其使計(jì)算機(jī)能夠從現(xiàn)有的復(fù)雜數(shù)據(jù)和統(tǒng)計(jì)信息中學(xué)習(xí)規(guī)律，通過(guò)模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，獲取新的知識(shí)或技能，從而預(yù)測(cè)未來(lái)的行為結(jié)果或趨勢(shì)，并通過(guò)重新組織和劃分已有的知識(shí)結(jié)構(gòu)來(lái)提高學(xué)習(xí)效率，不斷優(yōu)化自身算法和性能。在疫情防控中，機(jī)器學(xué)習(xí)通過(guò)分析多模態(tài)疫情大數(shù)據(jù)，可早期監(jiān)測(cè)和預(yù)警疫情發(fā)展態(tài)勢(shì)，及時(shí)保護(hù)易感人群，從而提高疫情數(shù)據(jù)的利用效率和疫情防控質(zhì)量。伊朗的一項(xiàng)研究采用多種機(jī)器學(xué)習(xí)算法對(duì)1 500 例COVID-19 患者的健康醫(yī)療數(shù)據(jù)進(jìn)行挖掘分析，結(jié)果顯示隨機(jī)森林算法具有更好的預(yù)測(cè)性能，其準(zhǔn)確度、靈敏度和特異度分別達(dá)到95.03%、90.70%和95.10%，對(duì)輔助識(shí)別患者死亡風(fēng)險(xiǎn)、提前采取適當(dāng)干預(yù)措施具有重要意義［8］。

4.2 流程機(jī)器人

流程機(jī)器人是以軟件機(jī)器人和人工智能為基礎(chǔ)的業(yè)務(wù)過(guò)程自動(dòng)化技術(shù)，目標(biāo)是使某些符合適用性要求的、基于桌面的業(yè)務(wù)或工作流程實(shí)現(xiàn)自動(dòng)化、智能化。這些業(yè)務(wù)通常數(shù)量多、需要重復(fù)操作，且可以通過(guò)嚴(yán)格的規(guī)則和結(jié)果予以定義。通過(guò)在疫情發(fā)生前監(jiān)測(cè)預(yù)警、疫情發(fā)生中防控救治和疫情發(fā)生后復(fù)工、復(fù)產(chǎn)等必要環(huán)節(jié)研發(fā)和設(shè)置流程機(jī)器人，可實(shí)現(xiàn)疫情防控任務(wù)在不同機(jī)構(gòu)、不同執(zhí)行人員間的高效流轉(zhuǎn)，減少人工值守和操作環(huán)節(jié)，實(shí)現(xiàn)疫情防控全鏈條的自動(dòng)化、智能化運(yùn)轉(zhuǎn)，保證防控任務(wù)決策、分派和執(zhí)行的時(shí)效性。中國(guó)的一項(xiàng)研究顯示，COVID-19 疫情期間，通過(guò)將機(jī)器人過(guò)程自動(dòng)化技術(shù)應(yīng)用于學(xué)校財(cái)務(wù)系統(tǒng)，其成本僅為全職員工薪酬的三分之一，而7×24 h 全天候工作模式可完成2～5 名全職員工的工作量，在解決財(cái)務(wù)運(yùn)維問(wèn)題的同時(shí)，也減少了COVID-19 的暴露與傳播［9］。

4.3 人工智能OCR

OCR 是從圖像、視頻中讀取信息并將其轉(zhuǎn)換成可編輯、可搜索的數(shù)字格式。基于硬件和軟件的結(jié)合，OCR使用硬件設(shè)備對(duì)文檔進(jìn)行掃描，檢測(cè)暗、亮的模式確定目標(biāo)形狀，然后用字符識(shí)別軟件將形狀翻譯成計(jì)算機(jī)代碼進(jìn)行加工處理。雖然OCR 實(shí)現(xiàn)了數(shù)據(jù)的自動(dòng)化讀取，但是在識(shí)別的正確率、速度和易用性等方面尚顯不足。將OCR 與人工智能相結(jié)合，可提高OCR 的識(shí)別效率與準(zhǔn)確率，從而實(shí)現(xiàn)海量數(shù)據(jù)的智能讀取。例如，有研究采用OCR 技術(shù)與正則表達(dá)式，進(jìn)行健康碼、行程碼、核酸結(jié)果截圖的機(jī)器自動(dòng)審核，結(jié)合智慧工地中配備的一體化人臉閘機(jī)，實(shí)現(xiàn)了建筑工地在疫情防控期間人員進(jìn)場(chǎng)管理的自動(dòng)化、無(wú)人化和智能化［10］。

4.4 自然語(yǔ)言處理

自然語(yǔ)言處理是利用人類(lèi)自然語(yǔ)言與計(jì)算機(jī)進(jìn)行有效交互通訊的技術(shù)。基于大數(shù)據(jù)、機(jī)器學(xué)習(xí)和語(yǔ)音識(shí)別等技術(shù)，自然語(yǔ)言處理可實(shí)現(xiàn)深度問(wèn)答、機(jī)器翻譯、人機(jī)對(duì)話等，進(jìn)而服務(wù)于各類(lèi)實(shí)際業(yè)務(wù)。在疫情防控中，自然語(yǔ)言處理可以使計(jì)算機(jī)讀取并理解人類(lèi)語(yǔ)言，然后結(jié)合語(yǔ)音識(shí)別技術(shù)，實(shí)現(xiàn)疫情防控工作中自然語(yǔ)言交流的電子化、自動(dòng)化、智能化，從而提高交互效率，降低人工負(fù)荷，并通過(guò)分析COVID-19 相關(guān)輿情態(tài)勢(shì)，及時(shí)調(diào)整、完善疫情防控政策。美國(guó)的一項(xiàng)研究通過(guò)采用自然語(yǔ)言處理技術(shù)分析接受COVID-19 評(píng)估或治療的患者數(shù)據(jù)，結(jié)果顯示自然語(yǔ)言處理應(yīng)用程序的評(píng)估準(zhǔn)確度達(dá)到比較理想的效果（召回率85.8%、準(zhǔn)確率81.5%），成功實(shí)現(xiàn)了疫情期間數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)分析和患者建議［11］。

4.5 人機(jī)交互智能語(yǔ)音系統(tǒng)

人機(jī)交互智能語(yǔ)音系統(tǒng)亦稱(chēng)為智能語(yǔ)音機(jī)器人，其通過(guò)自然語(yǔ)言處理和語(yǔ)音識(shí)別技術(shù)，對(duì)用戶的咨詢內(nèi)容和對(duì)系統(tǒng)問(wèn)題的回答進(jìn)行分析，然后根據(jù)用戶提供的信息，動(dòng)態(tài)地給出針對(duì)性的解答，實(shí)現(xiàn)交互式、智能化人機(jī)問(wèn)答場(chǎng)景應(yīng)用。人機(jī)交互智能語(yǔ)音系統(tǒng)已在COVID-19 疫情防控中得到廣泛應(yīng)用，例如有研究基于自然語(yǔ)言處理技術(shù)研發(fā)了人機(jī)交互智能語(yǔ)音系統(tǒng)，然后在電話流調(diào)、患者初篩與導(dǎo)診、智能問(wèn)答咨詢熱線、智能語(yǔ)音播報(bào)和科普宣傳等場(chǎng)景，實(shí)現(xiàn)部分替代人工，提供7×24 h 不間斷疫情防控服務(wù)［5，12］。

4.6 機(jī)器視覺(jué)

機(jī)器視覺(jué)是通過(guò)機(jī)器對(duì)視頻、圖像中的信息特征進(jìn)行識(shí)別、抽取、理解的技術(shù)，涉及計(jì)算機(jī)軟硬件、圖像處理、自然語(yǔ)言處理、光學(xué)成像、傳感器等。機(jī)器視覺(jué)可代替人眼來(lái)完成測(cè)量、識(shí)別和判斷等任務(wù)，提高業(yè)務(wù)的靈活性和自動(dòng)化程度。在疫情防控中，存在海量的視頻圖像資料，傳統(tǒng)的人工查驗(yàn)已難以勝任。通過(guò)機(jī)器視覺(jué)技術(shù)，自動(dòng)識(shí)別疫情相關(guān)視頻圖像數(shù)據(jù)，結(jié)合必要的人工核驗(yàn)，在行程碼驗(yàn)證、人群流調(diào)篩查、人員活動(dòng)軌跡分析、人臉識(shí)別、醫(yī)療影像輔助診斷等應(yīng)用場(chǎng)景，可有效提升信息抽取、數(shù)據(jù)解析和輔助決策的效率［2，6，13］。例如，LI 等［14］提出一種計(jì)算機(jī)輔助診斷模型可通過(guò)機(jī)器視覺(jué)技術(shù)根據(jù)胸部X 線檢查識(shí)別COVID-19，在兩個(gè)公共COVID-19 影像數(shù)據(jù)庫(kù)進(jìn)行應(yīng)用，準(zhǔn)確率分別達(dá)到了0.996 6 和0.990 1，可為放射科醫(yī)生提供可靠的參考依據(jù)。

4.7 知識(shí)圖譜和圖計(jì)算

知識(shí)圖譜是通過(guò)將圖形學(xué)、信息學(xué)、應(yīng)用數(shù)學(xué)、可視化技術(shù)與計(jì)量學(xué)引文分析方法結(jié)合，以圖譜的形式可視化展示目標(biāo)的核心知識(shí)結(jié)構(gòu)、關(guān)系網(wǎng)絡(luò)。圖計(jì)算是將數(shù)據(jù)按照?qǐng)D的方式建模，以獲得扁平化視角下難以得到的結(jié)果。針對(duì)海量數(shù)據(jù)，知識(shí)圖譜和圖計(jì)算通過(guò)改變現(xiàn)有信息存儲(chǔ)和管理模式，以圖的建模方式形象地揭示各種復(fù)雜關(guān)系，可提升復(fù)雜場(chǎng)景的信息查詢與分析效率。例如，針對(duì)多源異構(gòu)疫情數(shù)據(jù)進(jìn)行知識(shí)學(xué)習(xí)和結(jié)構(gòu)性分析，通過(guò)建立大規(guī)模知識(shí)圖譜的實(shí)體和關(guān)聯(lián)，可揭示疫情傳播三要素之間的各種復(fù)雜關(guān)系，溯源傳播鏈，預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)，模擬“決策-成效”仿真模型，進(jìn)而集成多維度信息輔助疫情防控決策［15-16］。

4.8 其他

疫情防控中常用到的大數(shù)據(jù)和人工智能技術(shù)還包括智能交互和隱私計(jì)算。智能交互主要是在多場(chǎng)景應(yīng)用的前端設(shè)備，包括智能消殺機(jī)器人、采樣機(jī)器人、流調(diào)機(jī)器人以及自助核驗(yàn)通道等，能在涉疫場(chǎng)所針對(duì)傳染源、傳播途徑、易感人群實(shí)施無(wú)接觸、24 h 待命的預(yù)防與控制措施。隱私計(jì)算是在確保數(shù)據(jù)責(zé)任主體不泄露原始數(shù)據(jù)的前提下，對(duì)數(shù)據(jù)進(jìn)行處理分析的一系列技術(shù)，使數(shù)據(jù)在流轉(zhuǎn)與利用過(guò)程中“可用不可見(jiàn)”。疫情防控涉及大量健康醫(yī)療敏感信息，隱私計(jì)算可實(shí)現(xiàn)多模態(tài)疫情數(shù)據(jù)的跨機(jī)構(gòu)、跨地域安全融合和隱私保護(hù)，從而促進(jìn)疫情大數(shù)據(jù)的深度挖掘和輔助防控決策。

5 大數(shù)據(jù)和人工智能技術(shù)在COVID-19 疫情各階段的應(yīng)用

大數(shù)據(jù)和人工智能技術(shù)的使用貫穿COVID-19 疫情發(fā)生與流行的各個(gè)階段。與其他公共衛(wèi)生事件相比，COVID-19 具有傳播速度快、感染人數(shù)多、涉及部門(mén)廣、數(shù)據(jù)信息大、響應(yīng)時(shí)間緊等特點(diǎn)，這對(duì)大數(shù)據(jù)和人工智能在其中的應(yīng)用提出了新的要求與挑戰(zhàn)，包括但不限于：需要處理海量多模態(tài)數(shù)據(jù)，不同疫情發(fā)展階段適用不同的方法技術(shù)，無(wú)接觸信息采集、分析、決策和行動(dòng)尤為必要，對(duì)時(shí)間和空間信息更為重視等［17-19］。在傷害流行病學(xué)中，根據(jù)傷害發(fā)生的階段，HADDON 提出按傷害發(fā)生前、發(fā)生中和發(fā)生后3 個(gè)階段針對(duì)傷害發(fā)生的3個(gè)條件（致病因子、宿主和環(huán)境）進(jìn)行預(yù)防，成為傷害預(yù)防和控制的經(jīng)典模型［20］。參照Haddon 傷害預(yù)防模型，本研究將COVID-19 疫情流行劃分為疫情發(fā)生前、發(fā)生中和發(fā)生后3 個(gè)階段，然后對(duì)各階段疫情防控中大數(shù)據(jù)和人工智能的應(yīng)用場(chǎng)景（圖1），以及針對(duì)傳染源、傳播途徑和易感人群三要素的大數(shù)據(jù)和人工智能相關(guān)預(yù)防與控制措施（表2）進(jìn)行探討。

圖1 大數(shù)據(jù)和人工智能全流程參與COVID-19 疫情防控的場(chǎng)景圖Figure 1 Scenario diagram of big data and artificial intelligence participating in the whole process of COVID-19 prevention and control

表2 Haddon 模型視角下大數(shù)據(jù)和人工智能在COVID-19 疫情中的應(yīng)用Table 2 The application of big data and artificial intelligence in COVID-19 epidemic from the perspective of Haddon model

5.1 疫情發(fā)生前

在COVID-19 疫情發(fā)生之前，針對(duì)傳染源，通過(guò)采用機(jī)器學(xué)習(xí)算法分析挖掘公眾的互聯(lián)網(wǎng)檢索與尋醫(yī)問(wèn)診記錄數(shù)據(jù)，實(shí)現(xiàn)COVID-19 的早期發(fā)現(xiàn)與預(yù)警；而通過(guò)研發(fā)和設(shè)置人機(jī)交互智能語(yǔ)音系統(tǒng)，能實(shí)現(xiàn)COVID-19患者的早期篩查與導(dǎo)診［5，21］。針對(duì)傳播途徑，通過(guò)研發(fā)和部署智能消殺機(jī)器人，實(shí)現(xiàn)潛在傳播媒介、場(chǎng)所的無(wú)接觸常規(guī)消殺，然后利用智能機(jī)器人進(jìn)行無(wú)接觸的常規(guī)環(huán)境采樣與檢測(cè)，以及時(shí)發(fā)現(xiàn)和阻斷傳播途徑［22-23］。針對(duì)易感人群，通過(guò)智能語(yǔ)音機(jī)器人進(jìn)行COVID-19 疫情相關(guān)的常規(guī)科普宣傳與教育，增加公眾疫情防控知識(shí)、技能與意識(shí)；并通過(guò)人機(jī)交互智能語(yǔ)音系統(tǒng)，實(shí)現(xiàn)疫情相關(guān)信息的咨詢與心理疏導(dǎo)，以緩解公眾對(duì)疫情的緊張、恐慌情緒［5，12］。另外，通過(guò)智能語(yǔ)音、機(jī)器視覺(jué)、人工智能OCR、智能機(jī)器人等技術(shù)，在疫情發(fā)生前的病毒抗原與核酸檢測(cè)、電子健康碼及通行憑證、目標(biāo)人群篩查等場(chǎng)景，實(shí)現(xiàn)常規(guī)業(yè)務(wù)的自動(dòng)化快速操作和智能審批，確保疫情防控措施制定、下發(fā)、分配和執(zhí)行的效率，減少人力與時(shí)間方面的成本（圖1）［2，22-24］。

5.2 疫情發(fā)生中

在COVID-19 疫情發(fā)生過(guò)程中，針對(duì)傳染源：一是采用人工智能OCR 技術(shù)對(duì)通信行程、健康狀態(tài)、核酸檢測(cè)等海量疫情數(shù)據(jù)進(jìn)行快速檢測(cè)和讀取，實(shí)現(xiàn)萬(wàn)條疫情信息的秒級(jí)錄入與核驗(yàn)，為輔助疫情防控決策（如人員排查處置、封控區(qū)管控區(qū)劃定等）提供及時(shí)的信息支撐，有效縮短疫情處置與響應(yīng)時(shí)間［19，25］；二是通過(guò)自然語(yǔ)言處理技術(shù)對(duì)流調(diào)通話、客服熱線咨詢、智能機(jī)器人問(wèn)答等疫情相關(guān)自然語(yǔ)言數(shù)據(jù)進(jìn)行提取和分析，梳理公眾時(shí)空信息、關(guān)注焦點(diǎn)和訴求領(lǐng)域，實(shí)現(xiàn)對(duì)輿情態(tài)勢(shì)的整體監(jiān)控和高危人群的初步篩查［5，11］；三是基于多模態(tài)大數(shù)據(jù)挖掘，精準(zhǔn)追溯傳染源，快速厘清疫情傳播脈絡(luò)并采取針對(duì)措施；四是利用智能機(jī)器人進(jìn)行查房、問(wèn)診、送藥、送餐等服務(wù)，避免健康人群接觸傳染源。針對(duì)傳播途徑，首先基于知識(shí)圖譜和圖計(jì)算進(jìn)行場(chǎng)景分析，快速評(píng)判區(qū)域和場(chǎng)所的疫情風(fēng)險(xiǎn)等級(jí)并采取相應(yīng)防控對(duì)策；接著采用智能機(jī)器人對(duì)潛在傳播途徑進(jìn)行無(wú)接觸按需消殺；在此期間，通過(guò)智能機(jī)器人進(jìn)行無(wú)接觸的物資配送。針對(duì)易感人群，通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)輔助人工核驗(yàn)病毒抗原與核酸檢測(cè)、健康碼與通行憑證、密接與活動(dòng)軌跡等信息，并結(jié)合人工智能語(yǔ)音識(shí)別技術(shù)流調(diào)和排查目標(biāo)人群［22，26］。另外，通過(guò)計(jì)算機(jī)視覺(jué)和大數(shù)據(jù)技術(shù)，可協(xié)助醫(yī)生進(jìn)行快速、精準(zhǔn)的患者肺部 CT診斷，減輕醫(yī)護(hù)人員工作負(fù)荷的同時(shí)早期干預(yù)和救治COVID-19 患者［2，6］。

5.3 疫情發(fā)生后

在COVID-19 疫情發(fā)生后，針對(duì)傳染源采用智能機(jī)器人進(jìn)行無(wú)接觸的終末消毒與采樣檢測(cè)，確保傳染源已完全康復(fù)。針對(duì)傳播途徑，亦通過(guò)智能機(jī)器人進(jìn)行無(wú)接觸的常規(guī)環(huán)境消殺，有效阻斷潛在傳播鏈條。針對(duì)易感人群：一是通過(guò)自然語(yǔ)言處理技術(shù)分析海量疫情數(shù)據(jù)，實(shí)現(xiàn)對(duì)輿情態(tài)勢(shì)的整體監(jiān)測(cè)，并研發(fā)智能語(yǔ)音咨詢機(jī)器人，面向公眾提供創(chuàng)傷后應(yīng)激反應(yīng)綜合征相關(guān)的心理疏導(dǎo)與咨詢服務(wù)，促進(jìn)疫情后公眾和社會(huì)的快速?gòu)?fù)蘇（圖1）。二是基于知識(shí)圖譜的場(chǎng)景分析，輔助疫情防控措施的完善。三是采用機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)，對(duì)疫情后多模態(tài)健康醫(yī)療數(shù)據(jù)進(jìn)行分析，輔助優(yōu)化既行疫情防控措施，夯實(shí)疫情防控職能機(jī)構(gòu)的技能與資源儲(chǔ)備，搭建“平疫轉(zhuǎn)換、平急結(jié)合”智能化疫情防控任務(wù)管理平臺(tái)、衛(wèi)生醫(yī)療資源調(diào)度平臺(tái)和具有彈性的供應(yīng)鏈，提升未來(lái)新發(fā)、復(fù)發(fā)傳染病疫情防控的能力、效率與質(zhì)量［2，22，26］。

6 未來(lái)趨勢(shì)

目前，雖然大數(shù)據(jù)和人工智能已在COVID-19 疫情發(fā)生與流行的各個(gè)階段得到廣泛應(yīng)用，但是依然面臨一定挑戰(zhàn)。首先，實(shí)現(xiàn)跨省份、跨應(yīng)用場(chǎng)景疫情信息的交互共享和互聯(lián)互認(rèn)。疫情防控涉及的很多信息，比如核酸檢測(cè)、疫苗接種、行程碼、健康碼、乘車(chē)碼等，在不同省份、不同應(yīng)用場(chǎng)景之間存在系統(tǒng)平臺(tái)接口標(biāo)準(zhǔn)不同、數(shù)據(jù)傳輸協(xié)議各異、信息內(nèi)容不一致、承載信息不互認(rèn)等問(wèn)題。這勢(shì)必影響大數(shù)據(jù)和人工智能讀取和處理疫情信息的能力，進(jìn)而影響跨區(qū)域疫情防控的效率與效果。其次，充分挖掘和整合疫情防控?cái)?shù)據(jù)的價(jià)值。精準(zhǔn)高效的疫情防控離不開(kāi)多維度疫情信息的全方位支撐，但是疫情防控?cái)?shù)據(jù)面臨來(lái)源不明、維度單一、完整性欠缺、準(zhǔn)確性不足、時(shí)效性不夠等問(wèn)題，導(dǎo)致疫情防控相關(guān)海量數(shù)據(jù)所蘊(yùn)含的價(jià)值尚未被合法、安全、充分地挖掘利用。未來(lái)需要通過(guò)現(xiàn)代信息技術(shù)和人工智能算法，對(duì)疫情防控?cái)?shù)據(jù)進(jìn)行多維整合與深入分析，以充分釋放其蘊(yùn)含的巨大價(jià)值，更好地輔助疫情防控決策。

另外，夯實(shí)多模態(tài)疫情防控?cái)?shù)據(jù)的安全與隱私保護(hù)。疫情防控?cái)?shù)據(jù)涉及公眾諸多敏感信息，而數(shù)據(jù)的整合利用過(guò)程中導(dǎo)致不同數(shù)據(jù)間的關(guān)聯(lián)更加緊密和清晰，從而增加敏感信息泄露的風(fēng)險(xiǎn)［27］。未來(lái)需要基于區(qū)塊鏈、邊緣云和隱私計(jì)算等技術(shù)，進(jìn)一步規(guī)范數(shù)據(jù)的采集、傳輸、整合與分析等程序，明確疫情數(shù)據(jù)的使用條件、適用范圍和安全責(zé)任主體［19，22］。最后，打造一體化大數(shù)據(jù)和人工智能疫情防控軟硬件體系。疫情防控過(guò)程中，大數(shù)據(jù)和人工智能技術(shù)的應(yīng)用零星化嚴(yán)重，散布于疫情防控的各個(gè)環(huán)節(jié)，各類(lèi)技術(shù)和應(yīng)用之間在接口標(biāo)準(zhǔn)、通信協(xié)議、對(duì)接機(jī)制和結(jié)果互參等方面，均存在不同程度的“煙囪”現(xiàn)象，亟需打造一體化大數(shù)據(jù)和人工智能疫情防控軟硬件體系，以通暢和高效運(yùn)轉(zhuǎn)疫情防控的各個(gè)環(huán)節(jié)，進(jìn)一步縮短疫情防控的響應(yīng)時(shí)間，提高疫情防控效率［22，28-29］。

7 結(jié)語(yǔ)

大數(shù)據(jù)和人工智能技術(shù)在COVID-19 疫情防控中發(fā)揮了積極作用，有效提高疫情防控信息的處理和分析速度，輔助疫情防控決策，減少人工和時(shí)間成本。本研究從COVID-19 疫情防控面臨的問(wèn)題出發(fā)，在介紹大數(shù)據(jù)和人工智能優(yōu)勢(shì)的基礎(chǔ)上，對(duì)疫情防控過(guò)程中常用的大數(shù)據(jù)和人工智能技術(shù)及其實(shí)際應(yīng)用案例進(jìn)行了概述，并創(chuàng)新性地基于Haddon 模型視角，從疫情發(fā)生前、發(fā)生中和發(fā)生后3 個(gè)階段，針對(duì)傳染源、傳播途徑和易感人群3 個(gè)要素，對(duì)大數(shù)據(jù)和人工智能在其中的應(yīng)用進(jìn)行了分析。研究結(jié)果對(duì)明確大數(shù)據(jù)和人工智能在疫情各流行階段的積極作用及發(fā)展應(yīng)用方向，提升COVID-19 疫情的防控效率和質(zhì)量，有效應(yīng)對(duì)未來(lái)新發(fā)、復(fù)發(fā)傳染病疫情等具有重要意義。

作者貢獻(xiàn)：高景宏、王成增進(jìn)行文章的構(gòu)思與設(shè)計(jì)、研究的實(shí)施與可行性分析，并撰寫(xiě)論文，負(fù)責(zé)論文修訂、文章的質(zhì)量控制及審校，對(duì)文章整體負(fù)責(zé)、監(jiān)督管理；王言研、蔣帥、付航負(fù)責(zé)原始資料整理、背景資料信息梳理；段彥然、王素凡負(fù)責(zé)大數(shù)據(jù)處理技術(shù)相關(guān)資料的檢索與信息整理。

本文無(wú)利益沖突。