AI助力传染病常态化精准防控

　　通过AI和大数据技术助力重大、季节性传染病综合防控工作，已不是梦想。记者3月19日从南方科技大学（以下简称南科大）获悉，南科大与深圳市疾病预防控制中心（以下简称深圳市疾控中心）、深圳市智慧城市科技发展集团有限公司（以下简称深智城）联合，正在推动这一技术落地，从而实现重大传染病的常态化精准防控。

　　APP+推演平台助力精准防控

　　项目负责人，南科大研究员宋轩介绍，这套综合解决方案，包括一个部署在移动设备端的应用程序（以下简称APP），以及一套人流大数据和AI驱动的传染病传播模拟推演平台（以下简称推演平台）。

　　“手机端的APP可通过感知用户与他人的接触情况并分析各类城市环境大数据（如人流密度、空气质量、环境湿度温度等），实时评估流行性或重大传染病（如新冠肺炎、季节性流感等）患病风险。”宋轩说。

　　而推演平台则是基于APP采集的数据，通过整合、处理和分析多模态人流出行大数据，结合AI算法，实现对流行病毒传播和感染人群细粒度建模及迭代训练，并输出相关的预测和模拟推演的可视化结果。

　　“有别于传统的经验传播模型，本项目的核心算法模型完全由数据驱动，通过AI技术实现模型校准和调优。通过数据的累积和更新，模型可以不断迭代优化。”宋轩说。

　　基于海量真实数据的反馈，推演平台还可定量评估不同防控措施的实施成效，为精准施策提供支持。宋轩举例，当再次出现新增病例时，为避免“一刀切”造成的资源无序调度及大规模损耗，可以通过模拟区域封锁，来定量评估封锁位置、封锁范围、封锁强度等因素对防控成效和经济社会的影响，从溯源手段、数据采集、成效评估等疫情研究全链条出发，为合理制定防疫措施提供科学指导。

　　对于如何保护用户隐私，宋轩介绍，该项目将在APP端运用多种先进技术保护用户隐私，用户全程无需提供任何个人信息，做到了真正意义上的匿名化。

　　采集真实数据训练校准模型

　　当前已有的传染病模型大多基于一系列假设条件及模拟数据构建，由于缺乏真实数据的训练校准，模型的可靠性受到了一定程度的影响。

　　为了提升模型的鲁棒性与准确性，项目通过发起大规模志愿者实验，利用APP自主采集数据，为模型算法提供海量、实时、高频、精准的个体行为数据，从而更好地支撑疫情传播的建模和预测工作。

　　宋轩介绍，2020年12月31日，三方正式启动项目——基于大规模志愿者空间交互实验的传染病传播模拟研究，探索常态化传染病精准防控综合解决方案，降低传染病传播风险，为政府的高效精准施策贡献力量。

　　“为了保证算法模型的精准性、可靠性，项目发起2个阶段的志愿者空间交互实验，收集真实数据对模型算法进行校正调优。”宋轩说。

　　第一阶段于今年1月下旬在南科大校园进行，面向广大师生招募志愿者。志愿者下载APP后，在为期2周左右的实验里保持应用在后台运行并开启蓝牙。在封闭校园环境中采集的数据，测试硬件设备和APP端、服务器端以及算法的鲁棒性。

　　第二阶段于今年3月下旬在深圳全市范围进行，招募全市市民参与实验，旨在在更大的空间范围内进行传染病传播模拟研究。这项实验将基于更庞大的样本数量，更多样的城市场景和社群类别以及更复杂的样本环境，测试硬件设备以及算法的鲁棒性，实现特定样本规模下的全市风险精准评估。

　　宋轩介绍，通过本次实验验证的相关算法模型，将被用于探索更为经济科学和精准的传染病综合防控方案。

　　“通过APP端的数据采集和推演平台的算法模型校正调优，南科大与深圳市疾控中心、深智城以数据为核心、以科技为手段，将发动全市力量共同推进重大传染病精准防控研究，打造常态化精准防疫‘深圳样板’，助力城市治理更加科学化、精细化、智能化。”宋轩说。