|
選自arXiv
作者：Joseph Bullock等 機(jī)器之心編譯 機(jī)器之心編輯部 隨著新冠疫情的持續(xù)發(fā)展,，全世界的研究者都在致力于疫情的緩解,，其研究重點包括：追蹤病毒傳播、促進(jìn)病毒檢測,、開發(fā)疫苗,、尋找新的治療方法,、了解疫情的社會經(jīng)濟(jì)影響等。在這篇綜述文章中,，來自杜倫大學(xué),、蒙特利爾大學(xué)、WHO等機(jī)構(gòu)的研究者探討了 AI 相關(guān)技術(shù)在疫情中發(fā)揮的作用,，總結(jié)出了 AI 在醫(yī)療,、分子、社會三個層面的應(yīng)用,。 
具體來說,，分子層面包括藥物挖掘等相關(guān)研究；醫(yī)療層面包括個體病人的診斷和治療,；社會層面包括流行病學(xué)和信息醫(yī)學(xué)研究等,。此外，論文還綜述了當(dāng)前可用的開源數(shù)據(jù)集和其他資源,。這篇綜述的目的并非評估文中所述技術(shù)的重要性,，也不做推薦之用，而是向讀者展示當(dāng)前 AI 技術(shù)在抗擊疫情方面的應(yīng)用范圍,。
論文鏈接：https://drive.google.com/file/d/1vDcb6HeS-hufNgqH0dDhIEGjuJpnnkzT/view醫(yī)療層面：從診斷到結(jié)果預(yù)測迄今為止,，AI 在應(yīng)對 COVID-19 上的應(yīng)用大多集中在醫(yī)學(xué)成像的診斷上。在近期多篇文獻(xiàn)中,，除了使用患者醫(yī)學(xué)數(shù)據(jù)預(yù)測疾病進(jìn)展的方法,、用于病情監(jiān)測的無創(chuàng)檢測方法，還有 AI 協(xié)助計算機(jī)進(jìn)行 CT 診斷的案例,。RT-PCR 測試是診斷 COVID-19 的關(guān)鍵方法,，但這種方法仍存在樣本采集、分析時間等局限性,，所以人們越來越關(guān)注使用醫(yī)學(xué)成像技術(shù)進(jìn)行 COVID-19 診斷,。COVID-19 具有特殊的放射學(xué)特征和圖像模式，這些特征均可通過 CT 掃描的方式觀察到,，但對于放射學(xué)科的醫(yī)務(wù)人員來說,，識別這些圖像也頗為費時，因此在 CT 掃描診斷過程中使用機(jī)器學(xué)習(xí)方法是一種理想的選擇,。多項研究已經(jīng)將診斷定為二元分類問題,，即「健康」與「新冠病毒陽性」。Wang 等人使用改進(jìn)過的 Inception 神經(jīng)網(wǎng)絡(luò)架構(gòu),，對醫(yī)生確定過的區(qū)域進(jìn)行訓(xùn)練,，從而對健康患者和新冠患者進(jìn)行二元分類?；?259 位患者的約 1000 個圖像切片的數(shù)據(jù)集,，研究者訓(xùn)練出了能夠識別疑似 COVID- 19 的模型,，然后將結(jié)果提供給醫(yī)生作進(jìn)一步診斷。Chen 等人也發(fā)現(xiàn),，在經(jīng)由專業(yè)醫(yī)生標(biāo)記過的 6000 多張 CT 圖像切片數(shù)據(jù)上訓(xùn)練 UNet++神經(jīng)網(wǎng)絡(luò),，其性能可接近專業(yè)醫(yī)生的診斷水平。這一模型之后在武漢大學(xué)人民醫(yī)院進(jìn)行部署,，用以協(xié)助醫(yī)生加快對病例的分析及診斷,，目前這一模型也已開源。其他機(jī)器學(xué)習(xí)方法將診斷歸結(jié)為 3 種分類任務(wù)：健康,、COVID-19 患者及其他類型肺炎患者,。在 Xu 和 Song 的研究中，經(jīng)典的 ResNet 架構(gòu)可用于特征提取,。Xu 等人添加了幾個用于分類的全連接層,，Song 等人則添加了特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network）和注意力模塊，使網(wǎng)絡(luò)更加復(fù)雜,，但在圖像細(xì)粒度方面表現(xiàn)更好,。這兩項研究均表明，即使在診斷過程中可能存在多個疑似結(jié)果（包括非 COVID-19 的肺炎類型）,，這種方法也能夠準(zhǔn)確地區(qū)分開來,。此外,，還有一些研究采用了融合型方法：將現(xiàn)有的軟件與特定機(jī)器學(xué)習(xí)方法相結(jié)合,，以實現(xiàn)更高的準(zhǔn)確性。在 Gozes 等人的研究中,，商業(yè)醫(yī)學(xué)影像程序可用來進(jìn)行原始圖像的處理,，然后與一個 ML Pipeline 結(jié)合使用。這種兩步式方法包含在肺異常醫(yī)學(xué)影像數(shù)據(jù)上訓(xùn)練過的 U-Net 架構(gòu),，以及在 ImagetNet 上訓(xùn)練過的 Resnet-50,，其中圖像分類已微調(diào)為「Coronavirus」和「健康」。Shan 等人的研究中,，采用了「human- in-the-loop」的方法減少機(jī)器學(xué)習(xí)架構(gòu)所需的標(biāo)記時間,。研究者使用少量人工標(biāo)記的數(shù)據(jù)來訓(xùn)練基于 V-Net 架構(gòu)的初始模型。該模型對新的 CT 掃描影像進(jìn)行分割,，之后經(jīng)由專業(yè)醫(yī)生校正,，在迭代過程中不斷反饋到模型中。這種方法使得基于深度學(xué)習(xí)技術(shù)的系統(tǒng)可用于自動分割和感染區(qū)域統(tǒng)計,，以及評估患者 COVID-19 病情的嚴(yán)重程度,。研究表明，該模型的性能逐步提升,，經(jīng)過 200 個帶注釋的示例數(shù)據(jù)訓(xùn)練之后,，將新圖像分析所需的人工時間從開始的 30 分鐘以上減少到 5 分鐘以上,。這個方法將機(jī)器學(xué)習(xí)的優(yōu)勢與人類的專業(yè)知識相結(jié)合，是一個前途廣闊的研究方向,。另外一種不需要特殊醫(yī)療成像設(shè)備的原創(chuàng)性方法是,，通過 Kinect 深度相機(jī)來識別病人的呼吸模式。該方法基于最近對 COVID-19 患者癥狀的臨床發(fā)現(xiàn),，即 COVID-19 患者的呼吸模式不同于其他流感或普通感冒,，其較明顯地表現(xiàn)出呼吸急促癥狀。基于以上臨床信息,，研究者開發(fā)出一種具有注意力機(jī)制的雙向 GRU 神經(jīng)網(wǎng)絡(luò),，并使用它來識別反常的呼吸模式。研究者使用 20 名參與者的真實數(shù)據(jù)以及基于真實記錄產(chǎn)生的大量仿真數(shù)據(jù)來訓(xùn)練該模型,。雖然這些反常的呼吸模式并不一定與真實的 COVID-19 診斷相關(guān),，但對這些呼吸急促癥狀的預(yù)測可作為首要診斷特征，為大范圍監(jiān)控潛在患者提供幫助,。另外一些方案是使用手機(jī)來檢測 COVID-19,，有使用嵌入式傳感器來識別 COVID-19 癥狀的，也有通過回答在手機(jī)調(diào)查問卷中的一些關(guān)鍵問題來排查高風(fēng)險病人的,。雖然以上方法都是在移動技術(shù)方面的重要嘗試,，但目前的研究并不足以評估這些方法的可行性與性能表現(xiàn)。Yan 等人提出一種基于患者臨床數(shù)據(jù)與血樣檢測中特征的預(yù)測方法,，該方法能夠幫助臨床醫(yī)生盡早地識別出高風(fēng)險患者,，希望以此提高患者的預(yù)后以及減少重癥患者的死亡率。與此研究相類似的方法有,，基于 XGBoost 算法的預(yù)測模型,，其用于預(yù)測死亡風(fēng)險和識別能夠在醫(yī)院中進(jìn)行檢測的關(guān)鍵測量特征?；?375 名患者的數(shù)據(jù),，作者從 300 多個輸入特征中篩選出三個關(guān)鍵臨床指標(biāo)，為預(yù)測患者死亡率提供了一種臨床啟發(fā)式的依據(jù),。該方法的一大優(yōu)勢是其具有良好的可解釋性,，因為篩選出的這三個指標(biāo)與 COVID-19 病理學(xué)進(jìn)展中的幾個最重要因素相關(guān)，即細(xì)胞損傷,、細(xì)胞免疫與發(fā)炎,。一個與此互補(bǔ)的研究是，在半自動標(biāo)記的 CT 影像上訓(xùn)練一個 U-Net 變種,，該方法旨在預(yù)測 COVID-19 患者是否需要長時間住院觀察,。這意味著一旦完成初期診斷，我們?nèi)匀豢墒褂脵C(jī)器學(xué)習(xí)的方法來預(yù)測患者病情的嚴(yán)重程度以及是否需要長期住院。蛋白質(zhì)結(jié)構(gòu)預(yù)測蛋白質(zhì)具有的 3D 結(jié)構(gòu)由它們的基因序列決定,，并且該結(jié)構(gòu)會影響蛋白質(zhì)的功能與作用,。一般而言，蛋白質(zhì)結(jié)構(gòu)通過 X 光晶體衍射圖譜法等實驗研究法來確定,，但這些方法花費昂貴,、耗費時間。最近,，計算模型已經(jīng)被用來進(jìn)行蛋白質(zhì)結(jié)構(gòu)的預(yù)測,，主要有兩種方式：一種是模板建模，它的原理是利用相似蛋白作為模板序列進(jìn)而預(yù)測蛋白質(zhì)結(jié)構(gòu),；另一種是無模板建模,，它主要預(yù)測那些無已知相似結(jié)構(gòu)的蛋白質(zhì)的結(jié)構(gòu)。2018 年底,，谷歌 DeepMind 重磅推出 AlphaFold,，它能夠利用基因序列預(yù)測蛋白質(zhì)結(jié)構(gòu)。給定一種新的蛋白質(zhì),，AlphaFold 利用神經(jīng)網(wǎng)絡(luò)來預(yù)測氨基酸對之間的距離,，以及連接它們的化學(xué)鍵之間的角度。根據(jù)神經(jīng)網(wǎng)絡(luò)預(yù)測的兩種物理屬性,，DeepMind 還訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)以預(yù)測蛋白質(zhì)成對殘基（residues）之間距離的獨立分布,，這些概率能組合成估計蛋白質(zhì)結(jié)構(gòu)準(zhǔn)確率的評分。目前,，AlphaFold 可以預(yù)測與 SARS-Cov-2 相關(guān)的 6 種蛋白質(zhì)的結(jié)構(gòu),，分別為 SARS-Cov-2 膜蛋白、蛋白 3a,、Nsp2,、Nsp4,、Nsp6 和 papain-like 蛋白酶,。當(dāng)前，機(jī)器學(xué)習(xí)和新型基因組技術(shù)也用來提升 PT-PCR 的測試效果,。Metsky 等人利用 CRISPR（一種通過割裂特定基因遺傳代碼鏈并利用酶來編輯基因組的工具）來進(jìn)行檢驗分析設(shè)計,，用以檢測包括 SARS-CoV-2 在內(nèi)的 67 種呼吸道病毒。此外,，對于那些被預(yù)測為敏感性和特異性并且涵蓋多種基因組的檢測分析,，有些 ML 模型可以加速它們的設(shè)計。發(fā)現(xiàn)當(dāng)前藥物可以用來治療 COVID-19 的一種方法是生物醫(yī)學(xué)知識圖譜,。生物醫(yī)學(xué)知識圖譜網(wǎng)絡(luò)可以捕捉蛋白質(zhì)與藥物等不同實體之間的聯(lián)系,，從而可以進(jìn)一步了解它們彼此之間的關(guān)聯(lián)。Richardson 等人利用生物醫(yī)學(xué)知識圖譜識別出了巴瑞替尼，這是一種通常用于治療關(guān)節(jié)炎的藥物,，但由于它能夠抑制 AP2 相關(guān)的蛋白激酶 1（AAK1）,，使得病毒很難進(jìn)入宿主細(xì)胞，所以該藥物可能適用于 COVID-19 的治療,。Ge 等人也提出一種類似方法來構(gòu)建關(guān)聯(lián)人體蛋白,、病毒蛋白和藥物的知識圖譜，它所使用的數(shù)據(jù)集捕捉了這些實體之間的關(guān)系,。這種知識圖譜用來預(yù)測可能有效的候選藥物,。作者已經(jīng)識別出了多聚腺苷酸聚合酶抑制劑 CVL218，目前正處在臨床試驗階段,。其他一些研究也利用創(chuàng)建的模型來預(yù)測蛋白配體的復(fù)合物親和性,，以解決老藥新用的難題。Hu 等人使用多任務(wù)神經(jīng)網(wǎng)絡(luò)對親和性進(jìn)行廣義預(yù)測,。作者已經(jīng)識別出了一系列 SARS-Cov-2 相關(guān)的蛋白質(zhì),，如 RNA 依賴的核糖核酸聚合酶、3C-like 蛋白酶,、解旋酶以及包膜蛋白等等,，從而借助于 4895 種藥物的數(shù)據(jù)集展開靶向治療。他們推薦了 10 種可能有效果的藥物以及這些藥物的靶蛋白和復(fù)合物親和性評分,。為了提升模型的可解釋性,，他們還對每個靶蛋白可能出現(xiàn)結(jié)合的精確位置進(jìn)行預(yù)測。同樣地,，Beck 等人利用他們提出的 Molecule Transformer-Drug Target Interaction（MT-DTI）復(fù)合物親和性模型,，識別出美國食品及藥物管理局（FDA）批準(zhǔn)抗病毒藥物中可能對 6 種冠狀病毒蛋白質(zhì)（分別為 3C-like 蛋白酶、RNA 依賴的核糖核酸聚合酶,、解旋酶,、3』-to-5』核酸外切酶、endoRNAse 和 2』-O-ribose 甲基轉(zhuǎn)移酶）有效的藥物,。MT-DTI 模型以 SMILES 數(shù)據(jù)和氨基酸序列的形式輸入串?dāng)?shù)據(jù),，并運用一種借鑒 BERT 算法的文本建模方法。此外,，該模型識別的藥物可能對上述蛋白具有靶向效果,。最后，Zhang 等人利用密集全連接神經(jīng)網(wǎng)絡(luò),，它在 PDBBind 數(shù)據(jù)集上被訓(xùn)練用于預(yù)測復(fù)合物親和性,，從而識別 3C-like 蛋白酶的潛在抑制劑。他們利用 SARS 病毒變體創(chuàng)建了靶蛋白同源（模板）模型,，并探索現(xiàn)有復(fù)合物（如 ChemDiv 和 TargetMol）和三肽的數(shù)據(jù)集,，從而找出對蛋白質(zhì)具有靶向效果的治療手段,。一些研究者試圖尋找新的化合物，用來治療新冠肺炎,。Zhavoronkov et al. (2020a) 等就使用了一個專有管道,，尋找類 3C 的水解酶抑制劑。他們的模型使用了三種輸入：蛋白質(zhì)晶體結(jié)構(gòu),、類晶體的例子,，以及蛋白質(zhì)模型本身。對于每個輸入類型,，研究者擬合了 28 種不同的模型,，包括生成自編碼器和生成對抗網(wǎng)絡(luò)。研究者使用強(qiáng)化學(xué)習(xí)探索潛在的候選藥物,，其中有一個獎勵函數(shù)和一些標(biāo)準(zhǔn)——藥物相似性,、新穎性、和多樣性相聯(lián)系,。同時,，他們確認(rèn)識別出的候選化合物和已有的化合物不同，說明它們確實找到了不同的藥物,。Tang et al. (2020) 也使用了強(qiáng)化學(xué)習(xí)來發(fā)現(xiàn)藥物,。研究者整理了 284 種已知的分子——能夠抑制 SARS 類病毒。他們將這些蛋白質(zhì)打碎成 316 個片段,，然后使用高級深度 Q-learning 來組合,，進(jìn)行藥物設(shè)計。這種強(qiáng)化學(xué)習(xí)的獎勵函數(shù)有三個評價角度：藥物相似性分?jǐn)?shù),、加入的預(yù)定義「傾向使用的」片段和出現(xiàn)的已知藥效集團(tuán)（和化合物的功效有關(guān)的特定結(jié)構(gòu)）,。結(jié)果，有 4922 個結(jié)果通過啟發(fā)式搜索被過濾,。最終有排名最前的 47 個化合物在分子模擬中進(jìn)行評估,。研究者會選擇最可能有效的化合物，并進(jìn)行生產(chǎn)和測試,。流行病學(xué)研究覆蓋領(lǐng)域極其廣泛,，其流行的規(guī)模和相關(guān)性，以及數(shù)據(jù)的實時更新等多方面因素導(dǎo)致了研究工作必須進(jìn)行多種類建模,。但此次團(tuán)隊將專注于用機(jī)器學(xué)習(xí)去完成流行病學(xué)建模的案例,。鑒于流行病感染速度迅速，所以短期實時預(yù)測是作為提供信息的重要來源之一,，同時模型必須兼?zhèn)潇`活性，以適應(yīng)各種不斷變化的協(xié)議或是程序,。Hu et al. (2020b)?收集了 WHO 以及其他預(yù)測參與者于 2020 年 1 月 11 日至 2 月 27 日期間收集的數(shù)據(jù),，用以開發(fā)創(chuàng)建一個新的關(guān)于中國國內(nèi)累積或是新增確診病例的數(shù)據(jù)集。這些信息主要用于訓(xùn)練調(diào)整后的自動編碼器（MAE），以便實時預(yù)測新病例,，并估計流行病的嚴(yán)重程度以及持續(xù)時間,。類似的，Al-qaness et al. (2020) 模型可以使用歷史數(shù)據(jù)并提前十天預(yù)測確診病例的總?cè)藬?shù),。而作者的模型是基于 neuro-fuzzy inference system (ANFIS) (Jang, 1993),，flower pollination algorithm (FPA) (Yang, 2012) 以及 salp swarm algorithm (SSA)(Mirjalili et al., 2017) 進(jìn)而最優(yōu)化模型里的參數(shù)。而 Mizumoto et al. (2020) 通過 ML 的方法利用從鉆石公主號游輪上所收集的感染數(shù)據(jù)來了解無癥狀病例的發(fā)生率,。作者利用這些數(shù)據(jù)通過貝葉斯分析對時間序列進(jìn)行建模,，并使用了 Hamiltonian Monte Carlo (HMC) 以及 No-U-Turn- Sampler (Homan & Gelman, 2014) 進(jìn)行調(diào)整模型參數(shù)，從而預(yù)估無癥狀感染者的可能性,。盡管在這種封閉式環(huán)境中進(jìn)行分析是非常重要的,，但是否值得對外適用于更廣泛的人群還有待觀察。當(dāng)下社交媒體以及在線平臺已成為疫情相關(guān)信息的主要傳播渠道,，而團(tuán)隊更看重的是「信息流行病」,，如錯誤信息的信息或是謠言會越傳越廣。Cinelli et al. (2020)?分析了與 COVID- 19 相關(guān)社交媒體的內(nèi)容,，作者從 Twitter, Instagram, YouTube, Reddit, 以及 Gab 中收集的 800 萬條于 2020 年 1 月 1 日至 2 月 14 日間使用 COVID- 19 關(guān)鍵字的評論或帖子,。作者預(yù)估了對 COVID- 19 話題的參與度，并橫向比較了各平臺間話題的發(fā)展進(jìn)度,?；訁⑴c度是通過使用累積的貼子數(shù)以及 45 天內(nèi)對帖子的反饋來反應(yīng)的（如評論，點贊等）,。作者采用 phenomenological (Fisman et al., 2013) 以及經(jīng)典 SIR 模型來表示信息傳播或復(fù)制的數(shù)量,。類似的，Mejova & Kalimeri (2020)? 研究對象是使用帶有病毒相關(guān)內(nèi)容的 Facebook 廣告,，通過使用「冠狀病毒」以及「COVID- 19」等關(guān)鍵字去搜索所有廣告,，其范圍覆蓋了 34 個國家及地區(qū)，并收集了 923 余條結(jié)果,。大部分位于美國和歐盟,，而其中 5% 的廣告是具有較強(qiáng)的誤導(dǎo)信息。此外,，也有研究者著手于新冠病毒特定新聞內(nèi)容的整理,，并進(jìn)行了人工和自動的真實性驗證和相關(guān)性分析。Pandey et al. (2020)?開發(fā)了一個評估每日新聞頭條和 WHO 建議之間相似度的渠道,。如果相似度高于某個閾值,，則這篇新文章就會在用戶的時間線上出現(xiàn)，同時附有 WHO 的相關(guān)建議,。其中相似度的閾值由人工審核確定,，依據(jù)用戶反饋不斷更新,。針對相互矛盾的信息，這種方法可以幫助大眾識別準(zhǔn)確可信賴的新聞報道,，也能促使重要的指導(dǎo)性文章產(chǎn)生更廣泛的影像,，推動官方的關(guān)注與采納建議。利用 AI 抗擊新冠病毒離不開各種開源數(shù)據(jù)集和其他資源,，本文重點介紹了當(dāng)前可用的案例數(shù)據(jù),、文本數(shù)據(jù)和生物醫(yī)學(xué)數(shù)據(jù)。案例數(shù)據(jù)是指病例的數(shù)量和地域分布,，這種數(shù)據(jù)對于追蹤 COVID19 疫情的蔓延具有重要作用,。這份綜述列舉的案例數(shù)據(jù)包括：WHO COVID-2019 現(xiàn)狀報告：https://www./emergencies/diseases/novel-coronavirus-2019/situation-reports 約翰·霍普金斯 CSSE：https://github.com/CSSEGISandData/COVID-19 nCoV2019 GitHub 項目：https://github.com/beoutbreakprepared/nCoV2019 人道主義社會交換項目：https://data./event/covid-19 專為醫(yī)學(xué)專家開發(fā)的項目：https://github.com/CodeForPhilly/chime 意大利封鎖后的移動變化數(shù)據(jù)：https://covid19mm./in-progress/2020/03/13/first-report-assessment.html
NLP 方法在這次疫情研究中發(fā)揮了重要作用，利用該技術(shù)解讀的大量文本信息可以幫助我們了解當(dāng)前有哪些信息是已知的（如病毒傳播,、環(huán)境穩(wěn)定性,、風(fēng)險因素等）。這部分的數(shù)據(jù)包括：WHO 全球新冠病毒研究文獻(xiàn)數(shù)據(jù)庫：https://www./emergencies/diseases/novel-coronavirus-2019/global-research-on-novel-coronavirus-2019-ncov 當(dāng)前最大的新冠相關(guān)文獻(xiàn)開源數(shù)據(jù)集 CORD-19：https://pages./coronavirus-research Kaggle 開源數(shù)據(jù)集挑戰(zhàn)賽：https://www./allen-institute-for-ai/CORD-19-research-challenge 其他開源數(shù)據(jù)集：https://www.ncbi.nlm./research/coronavirus/,；https://covid-19./ 社交媒體數(shù)據(jù)集：https://github.com/echen102/COVID-19-TweetIDs,；https://www./smid80/coronavirus-covid19-tweets
目前，用于診斷的開源數(shù)據(jù)集和模型還不是很多,。上文中提到的一些 CT 掃描方法可以找到,，但用于訓(xùn)練系統(tǒng)的方法并沒有系統(tǒng)地開源。目前,，這一方向的努力包括：在基因組測序和藥物挖掘方面,，有幾個數(shù)據(jù)集是基于之前存在的計劃或?qū)ｉT為 COVID-19 從零開始創(chuàng)建的。這方面值得關(guān)注的項目包括：GISAID Initiative：https://www./epiflu-applications/next-hcov-19-app/ RCSB 蛋白質(zhì)數(shù)據(jù)庫：http://www./news?year=2020&article=5e3c4bcba5007a04a313edcc 藥物挖掘信息共享網(wǎng)站：https://ghddi-ailab./Targeting2019-nCoV/ 跟蹤新冠病毒遺傳多樣性的 Nextstrain：https:/// 蛋白質(zhì)折疊游戲 Foldit：https:///
在文章的最后,，研究者呼吁社區(qū)展開更多的跨學(xué)科合作和數(shù)據(jù)共享,，通過國際社區(qū)的力量共同對抗疫情。
|
