防禦疫情大數據能做些什麼？【1】
一、對人口流動、搜索、醫療等數據進行AI挖掘、預測，發現趨勢防患於未然。
武漢疫情防禦中，大數據只反映出現狀。
如果能夠未卜先知，預測到疫情的爆發，今天形勢就不會如此嚴峻。
雖然看上去這太難，但人類抗擊疫病傳播時早已在嘗試應用AI+大數據進行預測。
早在2008年，Google便推出了Google Flu，利用人們的搜索查詢記錄來發現流感的爆發，它甚至比美國衛生部門提前兩週發現了2009年的豬流感大流行。
然而這種方法傾向於高估疾病流行的嚴重程度，容易引發社會恐慌，最後被Google叫停。
防禦疫情大數據能做些什麼？【2】
二、智能調度醫療防護資源。
通過電商平臺的大數據，發現了武漢等疫區醫療防護物資短缺的趨勢，然而只是發現趨勢是不夠的，因為這解決不了醫療防護資源調配的問題。
基於趨勢發現，通過大數據，進行智能供應鏈管理，讓物資以最短物流路徑，最短在途時長從生產線到達疫區就至關重要。
現在電商平臺已在發揮大數據+供應鏈的優勢，進行智能調度來最大化降低疫區醫療防護物質短缺的情況。
京東大數據研究院首席數據官劉暉在接受央視採訪時表示：我們正在發揮供應鏈資源的優勢，與各品類開展自營合作的核心品牌廠家緊密溝通互動，推動它們加班生產、優化庫存。
當商品被卡在了生產環節時，怎麼調度都是不夠的。
不過，如果能夠結合第一點，即疫情的大數據預測，特別是分區域的預測，再進行有的放矢的預生產、預調撥，就可以有效降低物資短缺、物價波動的情況，理論上還可結合IoT技術，對捐贈的醫療物資去向進行精準追蹤，確保它們能在第一時間到達最緊缺的地方，避免出現壓在倉庫的情況。
防禦疫情大數據能做些什麼？【3】
三、甄別謠言、假消息和錯誤消息。
疫情來了，所有人高度關注，各種消息滿天飛，真真假假，要每個用戶去甄別消息不現實，封堵消息則會造成更大恐慌，甚至給謠言滋生創造土壤。
針對這樣的情況，互聯網大平臺上線了闢謠功能，然而對於社群、社交網絡上的一些碎片化消息，特別是像截圖、段子、短視頻這樣的假消息，依然缺乏有效治理。
針對此，每日實時數據更新，平臺全公開，讓民眾能夠實時瞭解最新情況。
同時可結合社會化舉報機制、專家審核機制以及AI識別機制等，對一些錯誤的圖像和文字內容進行智能識別和清理。
防禦疫情大數據能做些什麼？【4】
四、機器人診療，降低醫護人員風險。
醫護人員是從不缺席的白衣天使，今天依然冒著感染風險奮戰在疫情一線，很多醫院醫護人員的請戰書都讓人淚目。有沒有什麼科技可以讓醫護人員更輕鬆？
看到新聞說，美國第一例SARS冠狀病毒在西雅圖確診後隨即被送往華盛頓一家醫院的特殊病原體科，為了避免這種疾病在醫院內傳播爆發院內感染，該醫院的醫生一直使用機器人診治這名病患。
該醫療中心的負責人喬治狄亞茲（George Diaz）接受衛報訪問時表示，他坐在400平方英尺的隔離病房外操作擁有攝影機、麥克風跟聽診器的機器人，以隨時確認患者的狀況，而不需要通過醫護人員不斷監看患者狀況。
這家醫院的特殊病原體科成立於2015年，主要是要應對2013到2015年爆發的埃博拉病毒問題。類似於這樣的機器人診療，真的很希望未來能夠普及。
AI+大數據在疫情管控上應用空間還有很多，比如通過車臉識別來發現疫區車輛進行管控，比如智能問診對湧來的恐慌性求診人群進行分流……雖然很多應用在現在的疫情面前顯得有些蒼白無力甚至是痴人說夢，但是我們一定要因為相信而看見。
84歲高齡依然奮戰在一線的鐘南山老院士，大量的一線醫務衛生人員，後臺的醫療衛生科研工作者是防控疫情的關鍵戰士，而科技能夠做到的就是減輕這些英雄的負擔，給他們提供更好的工具，讓他們更高效、更心安、更安全。
閱讀更多 微尚互動 的文章
