科技行者 1月24日 北京消息：長久以來，流行性疾病似乎根本不在人們的憂慮范圍之內(nèi)，然而2020年初，一場疫情洶涌而來，甚至至今不確定它來自何處。業(yè)界開始擔憂，下一場流行疾病到底會是人畜共患型疾病，例如新型冠狀病毒、SARS、埃博拉或者寨卡病毒；抑或是由人類設(shè)計并合成出的高致死性疾?。?/p>

當世界各國外交官齊聚日內(nèi)瓦，參加一年一度的生物武器公約（BWC）大會時，這一話題再次引起關(guān)注。各國代表紛紛發(fā)言，承諾共同努力防止新型生物武器的開發(fā)、生產(chǎn)與存儲。以往，《生物武器公約》主要關(guān)注炭疽熱等問題，但這一次，人們開始將目光投放大規(guī)模流行性疾病身上。

無論下一波流行病源自何處，此次人們達成的一項普遍共識在于，我們還沒有為此做好準備。約翰霍普金斯大學健康安全中心（CHS）最近進行的一輪“合理情境演習”證明，潛在病原體有可能在全球范圍內(nèi)殺死1.5億民眾，同時帶來規(guī)模龐大的經(jīng)濟混亂、饑荒以及騷亂。

微軟公司創(chuàng)始人比爾·蓋茨最近在馬薩諸塞州醫(yī)學會的一次演講中提出警告，“……”

蓋茨在2018慕尼黑安全會議上也曾發(fā)表類似演講，他指出：

“在這里，我要請全球各國領(lǐng)導人想象一下。未來，世界上可能存在或者出現(xiàn)某種新型武器，這種武器能夠殺死數(shù)百萬人，導致經(jīng)濟陷入停頓并使整個國家陷入混亂。如果這是一種軍事武器，那么我們當然有必要盡一切可能制定出應(yīng)對之策。但在另一方面，如果說這只是單純的生物威脅，人們卻往往缺乏緊迫感。我想提醒大家，整個世界需要以應(yīng)對戰(zhàn)爭的嚴肅心態(tài)看待下一場可能出現(xiàn)的流行病潮。”

近年來，潛在流行?。ɡ绨２├《荆┑膫魅拘韵鄬Σ粡姟５覀儺斎徊荒鼙в袃e幸心理。百年之前爆發(fā)的西班牙流感成為世紀大患，這種疾病致命性極強，并消滅了全球3%的人口。鑒于1918年以來全球流動性增長，外加人品規(guī)模的爆發(fā)式提升，一旦今天發(fā)生類似的疾病，專家們認為死亡人數(shù)很可能超過2.5億。

藥品研發(fā)以及醫(yī)療保健行業(yè)一直在為此不懈努力，各政府部門、制藥企業(yè)乃至醫(yī)療機構(gòu)始終積極探索新興技術(shù)（特別是人工智能）如何幫助我們應(yīng)對種種現(xiàn)實挑戰(zhàn)。在這個信息時代，我們在考慮如何為疾病流行制定準備措施時，AI技術(shù)無疑是個繞不開的話題。需要強調(diào)的是，在實現(xiàn)運用AI技術(shù)對抗病魔之前，尚有諸多障礙等待我們克服。

利用AI對抗流行疾病

AI技術(shù)有望高效應(yīng)對大規(guī)模流行疾病，這是因為它的處理速度要遠遠高于任何手動形式的研究。如今，AI平臺已經(jīng)能夠一次性查閱數(shù)千萬篇學術(shù)論文、數(shù)據(jù)集以及期刊文章；相比之下，人類研究員每年的平均論文閱讀量僅為200至300篇。

但是，AI方案也不可能百試百靈。AI系統(tǒng)的能力，完全取決于我們?yōu)槠涮峁┑挠柧殧?shù)據(jù)質(zhì)量。遺憾的是，制藥行業(yè)當中的大部分數(shù)據(jù)都不夠可靠。研究表明，只有3%的企業(yè)數(shù)據(jù)符合基礎(chǔ)質(zhì)量標準，這無疑將大大影響到AI技術(shù)的實際效用。在嘗試分析各類規(guī)?？捎^的不同數(shù)據(jù)集時，我們面對的挑戰(zhàn)包括但不限于：

• 數(shù)據(jù)缺失

• 數(shù)據(jù)不正確

• 數(shù)據(jù)孤立

• 格式問題

• 語言障礙

• 工具不兼容

所有這些問題，都可能導致AI算法以錯誤方式解釋數(shù)據(jù)，并給一切后續(xù)計算帶來嚴重偏差?？傮w來講，AI是一種受限于“垃圾進、垃圾出”（GIGO, garbage in, garbage out）原則的技術(shù)方案。正如Elsevier研發(fā)解決方案公司科學服務(wù)總監(jiān)Matthew Clark博士最近所言：

“算法只能以已知為基礎(chǔ)推理而來。如果將數(shù)據(jù)供應(yīng)量減半，那么即使是全球最先進的算法，也無法帶來理想的結(jié)果。在AI/深度學習方面，模型對于數(shù)據(jù)的要求標準遠高于人類研究員。換言之，模型不僅要求數(shù)據(jù)具有高準確性，同時也要求其中不可包含偏見。”

圖：Elsevier研發(fā)解決方案公司科學服務(wù)總監(jiān)Matthew Clark博士

因此，研究人員需要確保為自己的AI平臺提供全面且質(zhì)量可靠的數(shù)據(jù)。但考慮到各制藥企業(yè)的研究人員往往分布在不同國家，且使用不同的語言與工具，這方面保障工作往往根本不具有可行性。除此之外，研究人員通常會將工作結(jié)果保存在本地——而非中央服務(wù)器上——這意味著數(shù)據(jù)會意外分散在多個位置。但只要我們能夠解決這些技術(shù)問題，那么AI很可能在成本與時間等諸多方面，成為攻克流行病難題的有力武器。

通過重新調(diào)整藥物實現(xiàn)快速響應(yīng)

科學家們估計，針對11種高概率與大規(guī)模流行病相關(guān)的疫苗的最低成本，基本在28億美元到37億美元之間?？紤]到2003年抗擊SARS總計花掉高達540億美元，前面這個數(shù)字區(qū)間顯然極具經(jīng)濟效益。更重要的是，提前開發(fā)疫苗還能節(jié)約下大量時間。一旦出現(xiàn)任何嚴重的新型疾病，迅速尋找治愈方法當然是第一要務(wù)。AI技術(shù)能夠從根本上改進現(xiàn)有技術(shù)（例如調(diào)整藥物用途）以幫助克服這些挑戰(zhàn)。目前正在進行的相關(guān)研究包括：

• 轉(zhuǎn)基因生物（GMO, Genetically modified organisms）處理。即利用分子生物學方法對DNA進行解構(gòu)，并以工業(yè)化方式重組DNA以生產(chǎn)“DNA疫苗”。目前醫(yī)療行業(yè)正在探索將這種方法用于抗擊乙型肝炎及其他“長期寄宿性病毒”。

• 改變常規(guī)藥物用途?？茖W家們正在識別新的潛在大規(guī)模流行病的具體癥狀，并針對其中某些表現(xiàn)利用現(xiàn)有藥物中的有效成分加以應(yīng)對。目前，科學家們的試驗對象主要包括登革熱以及黃熱病等。

• 通用型流感疫苗。旨在增強流感特異T細胞，從而幫助最容易受到流感威脅的老年群體獲得更強的抵抗力。

雖然醫(yī)藥企業(yè)一直在努力發(fā)現(xiàn)現(xiàn)有藥物的更多全新用途，但由于過程中要求研究人員認真瀏覽大量現(xiàn)有數(shù)據(jù)以發(fā)現(xiàn)固有模式或者潛在突破，因此工作的整體推進速度一直不高。通過部署AI技術(shù)完成相同的任務(wù)，醫(yī)藥企業(yè)將能夠在發(fā)生疾病大流行時顯著提高執(zhí)行效率、搶在病原體變異之前將其遏制。

夯實基礎(chǔ)

根據(jù)歷史的經(jīng)驗來看，新一輪大規(guī)模流行病早就應(yīng)該到來——這樣的想法不禁令人恐懼。如果新的疾病真像前文中提到的虛擬疾病傳播實驗一樣致命，那么整個世界都將陷入崩潰的邊緣。因此，我們絕不能抱有僥幸心理；相反，我們應(yīng)當盡一切努力保證自身已經(jīng)做好了準備。我們做出的回應(yīng)，應(yīng)該包括重新利用現(xiàn)有研究成果并引入AI平臺，保證我們能夠最大程度找到治愈疾病的機會。當然，要讓AI切實發(fā)揮作用，之前提到的幾點障礙必須得到克服。

參與公共衛(wèi)生事務(wù)的各類組織——包括制藥企業(yè)、大學以及政府部門等等——都有責任保障其AI平臺的可用性與有效性。今天我們?yōu)閿?shù)據(jù)準備花出去的每一分錢，都將在未來成為我們抵御重大疾病威脅的希望。