利用大数据预防大流行病

每年约有26亿人受到源于动物的疾病（即人畜共患疾病）的影响。为了预防大流行病，在疫情爆发之前或早期阶段检测和识别这些人畜共患疾病至关重要。

作为2020年发起的原子能机构“人畜共患疾病综合行动”（ZODIAC）倡议的一部分，“人畜共患疾病综合行动”呼吸系统疾病表型观测站将创建一个安全的医学影像存储库，以促进全球在疾病模式大规模数据分析方面的合作，从而能够早期发现可能引发大流行病的人畜共患疾病。

该观测站将利用人工智能，包括机器学习和深度学习技术，识别中东呼吸综合征（MERS）、严重急性呼吸综合征（SARS）、2019冠状病毒病（COVID-19）和肺炎等呼吸系统疾病的模式，并检测新变种的出现。

“原子能机构的‘人畜共患疾病综合行动’呼吸系统疾病表型观测站将在识别全球新传染病的出现、监测其传播以及促进用于治疗支持的人工智能模型的快速开发方面发挥重要作用。” 该项目的核心实验室之一，维也纳医科大学计算成像研究实验室主任Georg Langs教授表示，“由于与全球各地的研究机构合作，该观测站将能够分析比以往研究规模更大、人口构成更多样化的呼吸系统疾病数据。”

医学成像与大数据

医学成像在诊断和监测传染病方面起着至关重要的作用。然而，由于影像的复杂性，对其进行分析具有挑战性。

“人畜共患疾病综合行动”呼吸系统疾病表型观测站将利用影像组学技术，这是一种从医学成像研究中提取大规模成像数据或大数据的方法。影像组学技术利用数据表征算法来识别疾病特征，从而提高诊断准确性并帮助制定个性化治疗计划。

人工智能能够在海量数据中识别疾病模式和异常情况，与影像组学技术形成互补。这些技术还可用于识别新出现疾病的模式，有助于预防新型疾病爆发并演变成大流行病。

“人畜共患疾病综合行动”呼吸系统疾病表型观测站

在前两年，该观测站将创建一个医学影像存储库，并利用其开发和验证用于分析影像数据的算法。它将对全球20家研究机构开展的相关研究进行评估，并使研究小组能够研究和开发新型人工智能方法。观测站基于人工智能的新发疾病监测系统将自动运行，当算法检测到新的疾病模式时，就会触发警报。该系统能够快速比较和评估新输入的数据，从而识别出可能发展成大流行病的新发疾病，确保及时做出响应。

观测站还将分析新发传染性呼吸系统疾病的人口统计学特征。通过识别疾病特征和医学成像中的具体表现，观测站能够依据年龄、性别、种族、民族、地理区域以及既往病史等因素，帮助找出疾病并发症发展过程中的任何临床差异。

“人畜共患疾病综合行动”呼吸系统疾病表型观测站是通过原子能机构的一个协调研究项目建立起来的，得到了众多合作伙伴的支持，这些合作伙伴在各自的专业领域提供资源和工具。

亚马逊网络服务公司是该项目的主要支持者之一，它授予了其“大挑战”项目组一笔拨款，用于搭建云服务器以支持该观测站。

“我们认为这是一项重要的预防投资，有助于保护全球人类健康。” 亚马逊云科技高级解决方案架构师Chris Russ表示，“通过利用云技术，原子能机构的‘人畜共患疾病综合行动’观测站可以实时发现新出现的大流行病，并提醒各国政府采取行动。”

除了亚马逊云科技的贡献外，观测站还得到了其他实物支持，包括拉德堡德大学医学中心提供的数据库管理和组件，弗劳恩霍夫数字医学研究所提供的后端管理和网络接口，康泰科流有限公司支持的用于识别疾病模式的人工智能开发，以及维也纳医科大学提供的科学和医学专业知识。参与该项目的研究机构包括19个国家的医院。该项目还得到了大韩民国的支持。

“‘人畜共患疾病综合行动’观测站具有全球视野，因此我们依赖于与世界各地的科研和产业合作伙伴的合作和支持。”原子能机构副总干事兼核科学和应用部部长纳贾特·莫克塔表示，“通过合作，共享数据和专业知识，我们能够加强各国的能力，更快、更有效地应对新出现的疾病，防止它们发展成为新的大流行病。”