来源：雷锋网

7月10-11日，2020世界人工智能健康云峰会召开。作为世界人工智能大会云端峰会的主题论坛之一，健康云峰会以“智联世界·共享健康”为主题，由“1个开幕式+3场专题论坛+1场特色会议”构成，聚焦“AI+健康”“AI+公共卫生”“AI+医疗服务”“AI+生物医药”“AI+医疗标准规范”等热点话题。

在“AI+公共卫生”分论坛上，复旦医学院吴凡副院长、华山医院张文宏教授，以“AI如何助力全球应对突发公共事件”为主题，展开了一场高峰对话。

关于AI在这次战疫中的作用，张文宏表示：“应对传染病的核心就是快，大数据最重要的作用就是给我们提供了可以操作的时间窗口，在疫情早期快速追踪到密切接触者和感染者。像很多国家疫情过了平台期，每天新增十几万感染者，虽然大数据可以追踪到，但具体做事的还是人。所以我认为技术虽然很有用，但仅仅是工具，将来可以对技术充分利用，但不能迷信技术论。”

吴凡也表示：未来，人工智能除了关注人口数量，还应该更关注行为，人流都去了哪里、干了什么、社会交往模式。以及怎么让防控措施走在疫情前面，让措施更加科学精准，这些靠的就是大数据、人工智能和专家的经验结合。

以下为张文宏、吴凡现场对话内容，雷锋网作了不改变原意的编辑及整理：

Q：非常荣幸跟两位战"疫"双侠进行对话，北京这段时间来来回回出现了疫情波折。吴凡院长能不能从大数据角度分析，传染病智能预警有什么成效？未来的抗疫有什么意义？

吴凡：已经有很多的应用。举个例子，医院发现传染病以后，诊断的都是单个病人。这些报告如果没有大数据智能分析动态感知，A医院报一个，B医院报一个，很难发现其中关联。

有了大数据之后，首先对于不同地方的散落病例，就可以发现关联情况，第一时间动态感知爆发或者聚集感染的情况；

另外，通过大数据对病例进行深入发掘，分析病例发生时间、空间以及气象、像2013年上海的禽流感，就发现和农产品市场存在关系；

最后在医院上报以后，还可以通过大数据进行深入分析，例如和哪些传染病相关，甚至还可以模拟疫情的走势，需要在哪些关键环节进行预警防控，未来还有很多应用，特别是人工智能，不断给它数据就会变的越来越聪明，今后也就会收获更好的效果。

Q：现在全球很多医疗机构和科研院校都在进行数据分析，利用普惠型的数据构建自己的模型，但是其中像哈佛大学医学院的构建模型方法就受到了广泛的质疑，您认为在构建前瞻性预测模型中，应该怎样把数据来源，数据变量跟最终结果的相关性和因果性建立联系，从而保证构建的模型更科学、更接近于现实？

吴凡：特别强调的一点，并不是有了这些数据，机器都能够解决问题，那还要人干什么。人和机器、大数据应该是变量的关系。

像新冠肺炎，英国帝国理工按照上海人口密度和人员流量，预测应该会发生80万感染者。但实际本土病例只有341个人，这就呈现出几何数量级的差异。那么，既然都是应用传染病动力模型，为什么会有这么大的差异呢？

Q：原因是什么？

吴凡：主要就是因为人，传染病在不同地区出现不同的流行态势，不同的参数，主要就是人的供给不同。

例如在上海，因为同样这么多人，在美国的两千万人分布会非常远，而上海两千五百万人的接触就非常密集，人和人的接触不仅要利用传染病动力模型预测，还要再加上神经网络模型。

而且人工行为模型往往和传播动力存在很大差异，对于不同情况和模式的界定，以及参数的给定和设置都需要经验，要不然要专家干什么，之后在科学经验的基础上输出的参考值才是准确的。

那么国内的预测是什么情况呢？

1月10号，我参加的北京预防医学会的医学专家就有一个专门的模型预测组，当时我们预测2月底，全国感染者可能会接近七万九千多，而实际2月29号，全国的感染数量是八万多一点，已经非常准了。

这个模型预测结果的准确性，对于后续物资准备、方案制定都有重要的作用，因为具体实施的政策要既不反应过度，还要反应恰当，过度也是对资源的浪费。

此外，因为各个地区的状态存在比较大的差别，我们按照地区分成了三个预测模型，首先针对武汉的流行爆发态势设计了第一种模型；武汉以外的湖北境外设计了第二种模型，中国除湖北以外的其他省份又准备了第三种模型。

在分成三种模型以后，就可以很容易知道哪些地方，今后可能是流行病重点地区，哪些地方缺医少药，需要更多医疗资源准备，哪些地方在应对新冠上存在优势。这些都对国内的战疫效果起到了关键的作用。

Q：您讲到大数据、人工智能对于抗疫过程中都起到了很好的医学支撑作用。那么像之前的武汉、和这次北京突然发生的情况，对于那些确诊患者的溯源，大数据技术具体是怎样实现的？

吴凡：关于疫情溯源，我们本身就有一个实践案例。上海市科委在疫情发生后专门成立了流行病学研究课题。具体利用来自复旦大学公共卫生学院、上海市公共卫生中心和华山医院的确诊数据和复旦大学大数据研究院的AI算法，构建了一个溯源模型。

发现确诊病例之后，最重要的就是马上找到病人从哪里来，在14天之内和哪些人有过接触，之后要把密接者管理起来，这样如果密接者真的被感染，密接者就没有密接者了。可以在人群和感染者之间竖起一道防护墙和安全带，整个过程需要非常快的速度，否则疫情就会蔓延。

但这个过程并不容易，许多情况下并不是因为密接者的撒谎，而是许多密切接触者并不知道自己和感染者有过密切接触，例如在超市，公共车上等场所，大家存在比较多的接触，但彼此并不认识，也不知道彼此是否被感染。

我们在应用溯源大数据方法之后，则可以快速把这部分人界定出来，对他进行及时管理。现在这个方法已经在上海市防控中得到应用。

3月18号，在和美国公共卫生学院院长的沟通中，他们就觉得，将近三千万人口的大城市才三百多例。背后除了医务人员的奉献，更重要的是科技支撑。

Q：您刚刚讲到，同一种动力模型，不同的人运用就会得到不一样的结果，背后存在经济结构、社会结构、人口结构等不同依据，尤其是流行病学当中的流动状态。那么人工智能和大数据技术，对于后疫情时代的人口科学合理流动有什么作用呢？

吴凡：目前这个技术已经开始使用。例如说武汉的防控，从现实数据的角度来看，在武汉2月3号封城前，就出去五百多万人，这些人很可能携带了病毒。

但我们把这些武汉流动出的人口，和流入当地的报告确诊情况比对中，经常会发现一些流动大的地方，没有报告出很多的感染者。

这并不是模型预测的不准确，而是因为报告的确诊数字和当地的诊断、排查策略存在巨大的关系。

那些没有达到、和预测不匹配的地方，一定是当地诊断能力、政策落实出现了问题。这时候国家成立的督导组，就可以依照这个数据对症下药，保证各省的疫情状况都可以及时干预。

当然这是过去的案例，在未来的角度，我们认为人工智能的应用角度，除了关注人口数量，还应该更关注行为，人流都去了哪里、干了什么、社会交往模式是什么样。还有上海前段时间的复工、复产之后疫情趋势预测。怎么让防控措施走在疫情的前面，怎样让措施可以科学精准，我觉得这些靠的就是大数据、人工智能和专家的经验结合。

Q：科学的精神就是智能精神。张文宏教授，您是否质疑吴凡院长的观点？

张文宏：我不质疑，但并不因为她是我的领导，因为领导在观点上是可以讨论的。

我认为，她今天已经把AI，以及大数据的精髓都讲到了，这些措施正是下一步流行病学防控的核心。虽然核心有了，技术有了，但是能不能实现还要打个问号。

像现在，同样的技术能力、面对同样的情况，但是在各个国家就会出现很大的差别。背后的原因什么？因为传染病的传播是指数级的上升，一旦过了平台期，通过人力就已经无法追踪了。

就像吴院长说的，应对传染病的核心就是快，大数据使用最明显的案例就是北京最近的这次疫情，在早期使用大数据进行防控，效果大家也已经看到了。

但反过来，如果速度慢了，指数值一上去，超过平台期，像现在很多国家每天新增十几万感染者的情况，虽然大数据可以追踪到这些人，但具体做事的还是人，依靠人力已经无法完成这个事。

所以，精髓就是早期使用大数据，给我们提供了可以操作的一个时间窗口。这次上海、中国抗疫成功的关键就是应用了很多科技，这些科技最核心的作用，就是帮我们把握住了这个时间窗口期。

所以我认为技术很有用，但仅仅是工具，将来在技术应用中可以充分利用，但是不能迷信技术。

Q：张文宏教授可不可以介绍在临床一线中，人工智能等技术还有怎样的应用？

张文宏：大数据临床应用目前还有很多障碍，并不像流行病学领域那样应用那么多，主要的问题并非技术本身，而是数据启动权限问题。

Q：大数据的产权不归你。

张文宏：就是这个原因，而且大数据应用的情况，每个国家之间还有很大的差别。从流行病学角度，当然是希望拿到更多数据，比如现在的影像AI。对于片子，AI一下就能分辨出来哪个是流感，哪个是新冠，但这是依靠大量数据训练出来的。

像这样的大数据应用已经做到非常棒的效果了，但如果啃一口西瓜就停下来了就很糟糕，像这次的新冠肺炎，影像表现和以前完全不一样，所以未来一定需要新的大数据应用。

Q：这个过程，您担心自己会被替代掉么？

张文宏：在中国从来不担心，因为中国的医生要做的事情太多了，我们反倒觉得像欧美才有这样的担心。因为大数据里面很多idea开始都是在欧美产生，但最后反倒中国应用的更快，他们反倒成为大数据、人工智能的用户。

吴凡：AI辅助诊断的方法，现在确实在应用，而且我觉得对于贫困地区缺医少药的特点，大数据的方法的诊断速度会更快。

张文宏：水平甚至比85%的医生要高。

Q：靠谱的医生和普通医生区别在哪里？

张文宏：靠谱医生在大数据出现意外情况之后，还可以依靠自己的经验判断，而且可以依靠自己逻辑不断产生新数据，人工智能虽然可以不断学习，在每个阶段都能做出新的判断，但医疗不是围棋，人工智能在这里面不能产生新的数据，还要依靠人。

吴凡：背后主要是因为围棋是一种算法，可以迅速计算出来下一步的可能性。但临床并不是这样，发展变化非常迅速，有时候诊断并不是依靠某种算法，需要依靠经验。

张文宏：比如像病人的问诊，我在临床上不太主张用大数据进行替代，因为这是人与人之间的交互过程，我宁可把机会给护士或者是年轻人。

Q：这是为了保就业吗？

张文宏：难道说AI的作用就是取代掉问诊，现在从北京到上海可以拿到所有的病例数据，那么人就可以被AI取代掉吗？

我认为现在大数据的发现存在两个错误的观念：

首先，AI并不是取代人的，这样做是没有意义的，未来人肯定不是什么都交给机器做。所以我个人认为大数据将来的发展，一定使我们更加精准的，在某些方面进行赋能，而不是取代我们，取代毫无意义。

马克思说过，人到共产社会，劳动会成为人的需要，大数据的发展难道是剥夺一种需要？我觉得大数据的方向就是为我们做增量，但很多时候都歪掉了。

其次，发展趋势追逐利润，追逐利润是错的，大数据的发展必须跟人类长远发展方向保持一致，才是盈利的目标，而为了成本，一步步利用大数据把人取代掉，全是错的，大数据的发展一定要跟人类使命，命运共同体保持一致，如果不一致或者只追逐利润，我个人觉得一定会失败。

Q：如果不追逐利润资本不进入了。

张文宏：没有一样东西的发展最终没有钱赚的，我也绝不相信，哪种人类的必须品，没有经济投入就永远没有盈利的可能。未来，只要是人类终极发展所必须的就一定会盈利，否则就说明这个东西根本不靠谱。

吴凡：在这个方向上我也是同意张教授，我觉得大数据的发展方向跟人类终极命运的捆绑一定是一致的。为人类做贡献是必须方向，最后的有收益也是必须方向。

但我也有一点补充，我觉得机器不是取代人，人类要努力的方向还有很多，机器可以去做那些人类大脑不可触及的地方。

因为人的大脑，因为教育背景、知识背景、知识体系、经验存在很多边界，而且生命也是有限的。但是机器可以把我前面人类的智慧叠加在一起，这是人脑所不可及的。给机器提供数据的也不是一个医生，而是很多很多医生的经验、智慧集合在一起。

这就会出现一种可能性，人解决不了的问题，机器可以依靠这些叠加的智慧和很多无限的潜力，帮人类去完善。所以我觉得未来不是机器取代人，也不是人利用机器，而是人和机器完美结合，大数据、人工智能和人完美结合。

例如，乡村医生知识不够的情况，就可以用机器取代人，可以将常见病、多发病的解决问题交由机器来完成，而人来解决疑难杂症、并发症的问题。但是最后的签字确认还是由人来完成，因为需要人对机器诊断的结果进行肯定，否知出现诊断问题、机器出错谁来负责，谁来解决差错后的纠纷和法律问题层面。

Q：在刚才的讨论中，我们对人类的未来还是充满敬畏之心的，认为人的认识和知识还是不断发展的过程，那么未来面对诸如新冠肺炎这样，新的疾病，会出现哪些新的科技来解决？

张文宏：人工智能最终方向是服务人类。我在想未来人类的发展是无限的，但因为科技的爆发过快，特别人工智能这种后时代的科技，我觉得以后的新一次革命发展会走到哪里，我真的很难想象。但是将来科技的发展一定是对人类存在敬畏之心，我认为你指出了人类的发展方向。

吴凡：我觉得人工智能的未来发展有几个方面需要注意：

首先，发展方向的把握，为人类贡献的同时，要保证不会伤及人类的利益，这些利益就包括个人的隐私，发展过程中是否在不断侵犯人类的隐私。

其次像国外开展的癌症基因测序，在给每个人评估未来的风险之后，那些高风险的人群在投保过程中一定会带来保险歧视，但是他们也无法改变自己的基因。

最后，指挥权的问题，未来是人控制机器，还是机器过于聪明超过人类，这也是全世界所关注的。我相信未来会有更多人工智能、大数据的技术服务人类，但是一定要警觉，需要进行有边界的意识控制。

Q：有边界的限制非常重要，最后希望张教授给大家讲一下，后疫情时代个人应该需要采取怎样的防护措施？

张文宏：总书记说过抗疫是人类的命运共同体，疫情没有彻底消失之前，对于国内偶发的疫情趋势，一定要保持平常的心态去对待。

在这个过程中，快速启动应对措施，精准实施防控措施会非常重要。任何一个城市出现疫情，无论是单发还是小规模爆发，越早精准防控，越快实施动作，对全国的影响也就越小。

未来，在疫苗出来之前，还要做好个人防护，防护越好受疫情波及就越小，整个社会就可以发展越好。此外在防控的同时还要保护经济。例如今天智能大会，所有都通过网络，这么大的展览中心，却没有听众。很难想象对经济的影响会有多大。

所以要一手抓疫情，一手抓经济，否则，经济衰退死亡人数一定会超过新冠肺炎。