高维机器学习防控筛查模型，精准筛查高风险易感人群

在疫情防控过程中，及时发现高风险人群与超级传染者，准确掌握疫情发展动态是关键。同时，如果能就不同政策对疫情的影响进行预演判断，以及更快速地追溯到病毒的传播路径，将极大提高政府部门的防控效率。

2月9日，澎湃新闻了解到，国内人工智能企业第四范式，联合南京大学、苏北人民医院临床专家，已经研发出基于人工智能（AI）的精准防控、疫情推演及病毒溯源方案，并正式投入到抗击疫情的一线战斗中。据悉，这套方案基于第四范式机器学习技术以及临床研究专家的专业经验，通过多维度数据分析和模拟，有利于进一步提升高危感染人员精准筛查比例，推演疫情发展情况实施精准防控，找到并切断疫情蔓延的源头。

第四范式成立于2015年，2016年获“吴文俊人工智能科学技术奖”创新奖一等奖。目前，第四范式已将 人工智能赋能医疗、金融、政府、能源、互联网等20多个行业，完成近2000个AI落地案例。

高维机器学习防控筛查模型，精准筛查高风险易感人群

在疫情防控中，高风险易感人群的精准筛查非常关键，通过找出此类人群，采取及时发现、及时告知、及时隔离等措施，能够有效防止疫情的扩散。传统的筛查规则系统是通过判断是否和确诊或疑似人员在同一地区同时出现，规则简单、易于操作，但供判断分析的数据源获取难度大，基于有限数据源获得的筛查结论，其准确度还有很大的提升空间。

这套方案通过多维度数据分析和模拟，有利于进一步提升高危感染人员精准筛查比例，推演疫情发展情况实施精准防控，找到并切断疫情蔓延的源头。

第四范式利用AI技术丰富了现有的防控筛查规则模型，进一步提升人群的覆盖面以及筛查的召回率与准确率，降低了管控难度与成本。特别是在紧急状况下，能够协助主管部门把有限资源投入到最关键的区域。此外，面对病毒变异以及人群动态复杂性，第四范式还基于人工智能的自学习能力构建了数据及系统闭环，持续迭代，从而保证在非常有限的时间内基于动态环境变化提供高效、准确的判断支持，协助各有关部门制定可操作性的政策和行动计划。

可学习的省市区县级数字孪生系统，实时预演分析疫情发展

在疫情推演中，由于传统SEIR、高斯过程回归、SARS传染扩散等模型很难考虑人口流动、管控措施等综合因素，对实际抗疫战争中的防控决策支持力度不足，无法提供供决策层制定政策并影响疫情发展的有效方案。

第四范式采用了高维机器学习技术以及多维度的数据，构建了更细粒度、更接近实际情况的省市区县级数字孪生系统，充分考虑复杂环境下的各种突发因素，例如交通管制、复工时间、药物投放等，对疫情发展的影响，最重要的是该系统具备模拟功能，可以就关键决策一旦实施所带来的影响进行仿真预判，为制定实用有效的防控政策提供了重要依据。

基于AI技术构建疫情溯源系统，快速追溯传染路径

在防控初期及结束后，病毒传染溯源极为关键。此前，病毒传染溯源主要通过人工分析患者信息找到相关性，再经推演现场验证得出。但该种方式存在对新信息响应慢、对复杂场景处理能力有限等诸多挑战，同时由于很难实际观测到传染事件的发生，使得传染路径以及传染方向的推断变得异常困难。

为了实现准确、高效的溯源，第四范式、南京大学以及苏北人民医院临床研究专家组成的联合团队，利用机器学习技术构建数据驱动的新型冠状病毒传播数字孪生系统，构建潜在传染的关系网，结合病患信息，在关系网中找到可能的传播源以及潜在的超级传染者。此外，第四范式还构建了可学习的事件回放模拟器，及时发现潜在传染路径，帮助防疫部门快速切断疫情蔓延的源头。

第四范式称，目前这套系统已经在防疫一线中使用。同时，第四范式将向社会开放智能疫情防控系统，希望为更多疫情防护部门、机构及单位提供人工智能技术帮助与支持。