截至今日9点，全国新型冠状病毒肺炎确诊病例数已达17238，疑似病例数21558。
而病毒在不断蔓延的过程中，人工智能在遏制其他疾病传播方面的作用也受到了关注。
浙江省疾控中心上线自动化的全基因组检测分析平台，借助阿里达摩院研发的AI算法，原来数小时的疑似病例基因分析缩短至半小时，加上杰毅生物技术的新型检测设备，大幅缩短疑似患者确诊时间。
百度成立了总规模3亿元的疫情及公共卫生安全攻坚专项基金，明确提出将提供人工智能技术支持，配套亿级计算资源，助力疾控机构、科研院所等研究单位进行研发提速。
其百度地图、百度搜索的时空大数据资源和大数据分析能力，可对民众迁徙情况、各地关切的问题、普通用户的信息反馈等信息进行挖掘整理。
并且在北京清河火车站，落地应用了百度的AI多人体温快速检测解决方案，对遏制疫情在公共场所的传播起到了帮助。
再如华为，在火神山医院建设的过程中，积极协作运营商搭建5G网络环境。
AI算法不仅能提供更好的干预和预防策略，在对抗传染病蔓延方面，还可以优化资源配置。甚至在病理学家注意到疫情爆发之前，就能够发现初步迹象。
比如这次武汉新型冠状病毒肺炎大爆发前，加拿大一个健康监测系统在12月31日，就通过AI驱动的算法，向客户发出了疫情消息。
而其实，AI很早便已加入到了抗击传染病这场战斗。
算法如何预测传染病？
在2014年的一项研究中，研究人员使用一种统计模型，来评估英国的艾滋病毒检测和治疗情况。
并且还对那些没有意识到自己疾病状况的艾滋病毒携带者做了定位。
这项研究发现，即使艾滋病毒携带者在行为上没有做出改变，他们的方法也可以减少5%的新感染。
2016年，来自梅西大学和加利福尼亚大学的团队开发了一种AI，可以用于预测丝状病毒的传播。
这种病毒通常会感染蝙蝠，但也可以传染给人类(埃博拉和马堡是最常见的两种病毒株)。
模型使用了57种不同的因素，可以预测哪种蝙蝠携带了丝状病毒，准确率高达87%。
2017年后续研究的模型，根据现有预算，对丙型肝炎病毒(HCV)预防工作进行了评估。
研究人员发现，若是有10亿美元的预算，公共卫生资金的最佳用途将是完全集中于治疗 (重点是早期治疗)。
但如果预算是50亿美元，最好把60%的预算花在筛查上，剩下的用于治疗。
同样是在2017年，来自新加坡Saw Swee Hock公共卫生学院和新加坡国家环境署环境卫生研究所的科学家，开发了一种预测登革热爆发的算法。
这个算法考虑了十年的历史气候信息和季节性登革热模式，可以提前四个月预测登革热的爆发。
而不久之后，创业公司Aime开始提供一个预测登革热爆发地点和时间的工具，准确率可以达到84% 。
2018年，南卡罗莱纳大学的科学家开发了一种算法，可以帮助机构更经济有效地调整其服务范围。
研究人员使用印度结核病预防和美国淋病预防的真实数据进行了测试研究，结果表明，该算法可以预防8000例结核病和20000例淋病。
同样具有预测模型面临的缺陷
尽管人工智能有望成为全球卫生流行病规划工具，但要记住，任何疾病预测算法都无法避免预测模型面临的缺陷。
以谷歌2008年发布的Flu Trends为例。
它提供超过25个国家流感活动的估计，监测数百万用户的健康追踪行为，可以揭示人口是否隐藏任何类似流感的疾病。
但由于流感报道在新闻中的地位较为突出，搜索量的增加使得关于流感趋势聚合查询的方式，可能夸大了预测的比率。
而在IBM Waston提供了的一个类似流感预测工具中，将预测窗口限制为15天。
为了克服这种缺陷，一些公司正在开发新的方法来解决系统内部的偏见(bias)，并验证其准确性。
Metabiota的平台根据疾病的症状、死亡率和治疗可行性等信息，来评估疾病传播的风险。
目前正在与美国情报机构和国防部，就与这次新型冠状病毒有关的问题进行合作。