人工智能技术在疫情中的五大应用

简介: 当前疫情防控压力持续增大,近期上海疫情的形势更是牵动人心,各行各业都在为抗疫拼尽全力,在防疫抗疫的过程中,人工智能技术也在发挥它的作用,那么人工智能技术在疫情中的应用都有哪些呢?

数字哨兵
现在上海很多场所都已经部署数字哨兵,进出人员仅需扫健康码或刷身份证,就能实时核验核酸检测结果、人员身份和体温等具体信息。

17fefd681fda2a30b7e256ddadb45555e3dbb7.jpg

比如,商汤科技推出的集“佩戴口罩识别+人体测温+验健康码+疫苗接种信息+核酸查询+电子证照”六种功能为一体的商汤数字哨兵便捷通行系统。该“六合一”数字哨兵可助力疫情防控信息的快速验证,省去上海市民查找检测报告的复杂操作。

目前该系统现已部署至上海长宁区多处市民访问量较大的公共活动场所出入口,如菜场、事务受理中心、图书馆、文化艺术中心、少年儿童图书馆等,以及各类社区活动中心、市民中心、养老院、街道综治中心、婚姻登记处等地。

智能消毒机器人
在医院、商场及一些科技园区,我们经常可以看到智能消毒机器人的身影,尤其在医院,医院是许多抗议战场中的第一线,为保障更安全的就诊环境,当前上海多家医院都用到了智能消毒机器人。

比如来自上海擎朗智能科技有限公司的消毒机器人,据介绍,擎朗消毒机器人搭载短波UVC紫外线杀菌灯与雾化喷头,可喷出10μm以下超干雾颗粒,出雾细腻均匀可以进行无死角消毒,其集成的多种消毒模式,能够有效消除空气+物体表面的病毒和细菌。

重点是智能消毒机器人的效率远高于人工,采用机器人工作,就不需要工作人员穿上厚重的防护服,也不用担心成为病毒载体,而且只需要十几分钟就可以完成1000㎡的消毒杀菌工作。并且,在消毒完成后,机器人还自动储存至云端平台,完整记录消毒程序。

智能语音机器人
目前上海部分地区正实施封闭式管理,如果仅靠社区工作人员人工排查,逐门逐户完成核酸检测、健康状态回访、外来人员行程流调等工作,要耗费大量人力物力,还可能交叉感染。

上海联通和科大讯飞成立了专项攻关团队,根据实际需求进行智能语音机器人的话术设计,利用智医助理辅佐相关的防疫、战疫行动,仅仅48小时就完成“智能语音机器人”上线。在不到3个小时的时间里,“智能语音机器人”完成了对嘉定地区重点人群的核酸检测排查。

据某区疫情防控指挥部的相关负责人介绍,“在市民接到呼叫电话后,系统可根据每名市民的不同回答自动生成表格,随后工作人员可从系统自动统计反馈的情况,重点跟进核酸未做人员的信息并进行对应的反馈。与传统人工呼叫相比,‘智能语音外呼助手’呼叫提升效率,而且避免了人与人接触的疫情防控风险。”

AI 通过声音诊断新冠
近日有消息称,美国辉瑞公司(Pfizer)将收购ResApp,ResAPP目前开发了一款通过分析咳嗽声来诊断是否感染新冠病毒的应用程序。

有研究显示,受新冠肺炎病毒感染的患者,肺部会发生一些病变,其呼吸模式等参数会受到影响,导致发出的声音(呼吸间隔、咳嗽声等)出现一些异常特征,算法通过学习数据能够抓取识别出这些病症。

ResApp表示,在印度和美国对741名患者进行的临床试验中,该算法正确地检测出了92% 的新冠病毒感染者。ResAppDx目前在欧洲通过了CE市场认证,在澳大利亚获得了TGA许可批准。不过,应用程序筛查并不能完全代替临床医生的诊断,但可用作COVID-19的早期预警,或者说是筛查,而不是诊断。

ResAPP方面表示,其设计的流程是如果检测结果并没有感染,那么就无需做快速抗原测试或者PCR检测,但如果程序诊断感染了新冠病毒,那么人们就应该继续正常的检测。

AI加速疫苗和药物研发
新药研发过程复杂漫长,面对突然爆发的疫情,人工智能技术的应用变得非常重要。比如,此前百度研究院与斯微生物就新冠mRNA疫苗的开发展开了AI序列优化算法的合作,开发了专门用于设计优化 mRNA 序列的高效算法。

斯微生物完成了这种高效算法在新冠病毒 mRNA 疫苗分子设计上的生物学验证。结果显示,在稳定性、蛋白质表达水平以及免疫原性等多个衡量疫苗的指标上,通过这种算法设计的新冠疫苗序列优于传统方法设计的基准序列,疫苗序列中和抗体滴度是传统基准序列的20倍。

自疫情爆发以来,已公开了大量关于利用人工智能和大数据发现有效药物的研究报道,这些研究主要集中在靶点发现、疾病网络构建和药物筛选。除此之外,也有利用人工智能技术生成新的小分子,AI新药研发公司Insilico Medicine此前在官网上公开了其AI算法设计的6种可以阻止病毒复制的新分子结构。


本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接
免费体验百种AI能力以及试用热门离线SDK:【点此跳转】

相关实践学习
阿里巴巴智能语音交互技术与应用
智能语音交互,是基于语音识别、语音合成、自然语言理解等技术,为企业在多种实际应用场景下,赋予产品“能听、会说、懂你”式的智能人机交互体验。适用于多个应用场景中,包括智能问答、智能质检、法庭庭审实时记录、实时演讲字幕、访谈录音转写等。 本课程主要讲解智能语音相关技术,包括语音识别、人机交互、语音合成等。  
相关文章
|
7天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
7天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
7天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
36 3
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
72 2
|
9天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
44 3
|
10天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
86 58
|
7天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
10天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
43 10
|
10天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。