全世界新冠肺炎確診已逼近3300萬人，世界各國累積了可觀的大數據，加上現在人工智慧正是顯學，世界各國透過機器學習發展新冠肺炎的分類因子、預測模型，得到不少可觀的成果。包括，新冠病毒打開細胞的鑰匙ACE2有種族差異、新冠肺炎感染若三種免疫反應都持續活化就會重症、人工智慧可在10天前就能預測患者死亡，準確度高達九成的。
台灣大學流行病學與預防醫學研究所教授陳秀熙今持續召開防疫說明會直播，邀集多位台大公衛學院博士，以及專長於生物統計的北醫口腔衛生學系教授嚴明芳，接力上陣，完整報告新冠肺炎人工智慧相關研究的各個面向，時間長達兩個半小時，為召開防疫說明會直播以來，時間最長的一次。
陳秀熙表示，新冠病毒引起的免疫反應、臨床症狀到現在都還有很多需要釐清之處，人工智慧大資料的優勢就是速度，可以節省很多時間，對於科學家和臨床醫學家追求即時的成效，是很重要的助力，特別是全球疫情快速新增，透過人工智慧準確辨識重症相關風險因子、歸納適當的治療，甚至也有助於疫苗和檢驗技術的突破。
台大公衛博士古玫生表示，新冠肺炎感染後之免疫反應，在在不同嚴重度的病人可以看到差異，耶魯大學團隊追蹤後發現，其免疫反應可以分為三類，在不嚴重個案，第一、三型免疫反應會下降，但在嚴重個案，這三種免疫反應皆持續高度反應。另外，有中國研究發現，利用三種免疫反應因子發展預測模型，可精確區辨無症狀個案，準度接近百分百，這項技術將有助於解決無症狀者成為傳染源的問題。
台大公衛博士蕭國惠表示，新冠病毒藉由ACE2這個蛋白質進入細胞、造成感染，有研究利用基因資料庫分析，發限不同種族擁有不同的ACE2，且已有32個相關的基因變異，近一步分析發現，想了解ACE2在東亞族群有較多的等位基因數量，歐洲則較少，所以不同族群對於新冠肺炎的感染或免疫反應可能有所不同。另有研究經由機器學習，用蛋白質體及代謝質體資料來辨識疾病嚴重度，成功辨識的機率高達70％以上。
嚴明芳表示，大流行時有大量病患，若能儘早分類，就可以將醫療資源及早投入較嚴重的病人。嚴明芳的學生王威淳表示，英國利用人工類神經網絡創建「入院死亡評分系統」，納入人口學、共病症、抽菸史、入院症狀等因素，找出增加死亡的風險因子及降低風險因子，預測病情惡化準確度達到90.12%。機器學習485名中國武漢患者的血液樣本，所發展的模型預測準確度也很高，十天前預測患者的死亡率有九成準確度。
這篇文章對你有幫助嗎?
