鹅知道

对于如何抗击新型冠状病毒疫情这个问题，更多人首先想到的应该是研发有效的治疗药物，但随着人工智能技术逐渐成熟、强大，科学家们也开始依赖人工智能反抗林林总总的疾病。

知乎答主“甜草莓”认为，在这次新型冠状病毒疫情当中，机械学习等数据和盘算科学在这次疫情中饰演的主要是辅助角色，其中对控制疫情最资助的应该是接触者追踪（contract tracing) 、数据预测和新的盛行病学流传模型。

以下为知乎答主“甜草莓”撰文全文，腾讯科技稍作整理：

如果说盛行病学中较为严谨的科学研究，好比疫苗制造，药物研发，那么机械学习暂时不能取代主流方法。主要是因为现在主流的机械学习手段可解释性不强，而盛行病学等生物和医药学科需要发现数据的内在联系，并通过这些联系指导线下实践。惋惜的是现在主流算法暂时无法满足这些要求。

凭据现在的新闻来看，机械学习等数据和盘算科学在这次疫情中饰演的主要是辅助角色，其中对控制疫情最资助的应该是接触者追踪、数据预测和新的盛行病学流传模型。

接触者追踪

众所周知，与盛行感染病患者密切接触的人，自身被熏染的风险更高，而且有可能进一步感染他人。因此，追踪并视察这些密切接触者有助于这些高危人群第一时间获得照顾护士和治疗，并防止病毒进一步扩展，这也是盛行病控制的关键。

整个历程或许可以分为接触者识别、建设接触者列表和接触者随访三步。

上一次大规模发作的疫情是非洲的埃博拉病毒（2013-2015左右），可是在埃博拉病毒发作期间，非洲整体信息系统普遍落伍，其时无法通过技术手段加速追踪历程。

虽然也曾有学者在谷歌、爱立信和三星捐赠的支持下在几内亚开展实验，可是这种依靠捐赠分发手机的小型实验只能小幅度提高接触者随访的效率，其时的主流追踪手段依然是熏染者自身回忆，主要的追踪流程依然接纳纸质手段，以盘算机数据手段为辅：

不外在这次的疫情中，我们应该会有时机通过近些年的高度信息化工具来改变加速整个接触者追踪的速度和效率，从而控制疫情流传。

到这里就衍生出了两个问题。

问题1：如何识别接触者？

从盘算机的角度看，接触者识别本质上是寻找和熏染者时间、空间上有重叠的人群。人所走过必有痕迹，尤其是在信息社会，虽然数据上的痕迹不能完全等同于线下接触，可是依然能够给接触者寻找带来许多便利。

如果我们思量到已经存在的种种数据源，其中可用、而且会很是有效的数据痕迹包罗：基站数据（运营商）、支付数据（银联&第三方支付机构）、出行数据（铁路&飞机&住宿）、都会摄像头&户口等行政数据（公安）等。固然如何高效组织和搜索这些数据还涉及小我私家隐私、以及谁有权限挪用等重要问题，我们抛开这些问题不谈，先说说能怎么做、以及做到什么水平。

基站数据：呼叫详细记载（Call Detail Record，CDR）：狭义上的CDR是指手机通话或者发送短信时的基本信息记载，消息发送者身份(Points of origin)，目的地的身份 (Endpoints)，通话连续时间，总使用时间计费等等，可是这只适用于2G/3G。4G以后，CDR通常指任何手机与基站交互后，被记载的数据，这里的数据可能包罗用户位置预计（源自于基站定位）。换句话说，只要已知基站漫衍位置，任何人携带手机后的大略运动轨迹，都可以通过CDR分析获得。

CDR数据样例（现在很可能不是这样了），泉源ITU

虽然现在基站笼罩规模通常在1K-3K米左右，并不能很准确简直定熏染源和接触人群是否存在物理接触，可是对于熏染源恒久驻留的某些区域，可以思量对该区域用户举行系统标志，如果某标志用户存在继续袒露的可能，可以视情况而定提示风险或举行医学视察。

CDR数据用户轨迹回复

其实现在CDR分析已经很成熟了，完全可以用在接触者追踪中。在国际电信同盟（ITU）给出的CDR使用案例中，曾经给出了埃博拉时期的一份案例。

在一个小镇上泛起了一例埃博拉病毒，电信部门通过CDR分析追踪该小镇住民（可能为高危接触者）在48小时内的扩散情况（3小时距离）：

第一个12小时：

第二个12小时：

第三个12小时：

第四个12小时：

这个案例可以扩展一下，如果其时反映迅速，相关数据机构可以思量定位武汉华南海鲜市场的常驻人群，并追踪这些高危人群后续的行为轨迹，这样可以精准联系到其密切接触的详细人员，完成接触者识别。

此外，CDR数据通常会在运营商留存良久，因此对于已熏染人员的行为轨迹可以准确还原，并建设GEO数据库做相关分析比对，多个熏染源在短时间内驻留或者通过的区域可以划分为高危区域、做重点视察。

其实现在对CDR数据的使用已经有了一些乐成案例：在2010年1月海地地震以及2010年10月霍乱发作之后，瑞典卡罗林斯卡研究所的研究人员分析了两百万部手机的逐日运动数据，并能够确定霍乱暴发的关键区域，量化受灾难影响的人口及其在接下来的时期内的流动，对其时政府决议提供了庞大价值。

现在已经曝出多个列车和航班上存在确诊的熏染人员，需要紧迫扩散寻找同程人员的示例，这就反映出现在的信息系统并没有一个很是高效、自动化的交流渠道宁静台，很可能现在依然只是靠系统开端筛选、人工再筛选和联系的阶段。

问题2：识别接触者之后，如何建设接触者列表和接触者随访？

相信自从微信和手机普及以后，简朴的添加接触者、对接触者的医学视察可以通过社交软件高效完成，不必像埃博拉病毒期间需要各家各户会见、社区监控。

可是思量到现在当地医务人员和志愿者不足，可以思量通过构建APP建设当地接触者与外地富余医疗人员之间的视察联系，类似远程随访机制或线上专项医生，这样可以分管部门疫区医疗压力，同时可以引入心理志愿者，为相关接触者分管心理压力。

如果存在一个统一的线上随访平台，同时完成医疗资源分配和数据录入，会提高许多事情者的事情效率，也有利于自闭在家的医学视察用户或者普通用户获得专业的医学建议，只管不去医院，制止交织熏染。。

更进一步，从科研角度讲，上述提到的CDR等数据可以建设实时的人口流动和疫情流传模型，现在大部门对于疫情的数据分析往往基于传统的盛行病学方法，求解微分或者动力学模型，辅以社会经济或者人口统计学特征，求解足够置信的预测数据，好比R0数据或者对潜在熏染人数预测。 这些模型虽然在指导公共卫生政策方面很乐成，可是往往无法准确体现庞大的人类行为、移动轨迹、真实接触水平。

好比，接纳严格的人口管制和卫生措施的都会，其新增潜在感染病例数目往往无法通过传统动力学模型权衡，而鉴于现在医疗资源问题，逐日新增病例可能只是因为试剂盒受限，无法准确权衡真实疫情变化趋势，这些可以通过基于上述提到的数据分析完成。