[论文解读] A Survey on Applications of Artificial Intelligence in Fighting Against COVID-19

Jianguo Chen, Kenli Li+3 more|arXiv (Cornell University)|Jul 4, 2020

COVID-19 diagnosis using AI参考文献 211被引用 22

一句话总结

本综述全面回顾了人工智能（AI）在抗击COVID-19中的应用，重点聚焦于疾病检测、病毒学、药物与疫苗研发以及疫情预测。综述整合了AI技术——尤其是医学影像、基因组学和预测建模方面的技术——展示了其在大流行期间加速诊断、治疗和公共卫生干预中的关键作用。

ABSTRACT

The COVID-19 pandemic caused by the SARS-CoV-2 virus has spread rapidly worldwide, leading to a global outbreak. Most governments, enterprises, and scientific research institutions are participating in the COVID-19 struggle to curb the spread of the pandemic. As a powerful tool against COVID-19, artificial intelligence (AI) technologies are widely used in combating this pandemic. In this survey, we investigate the main scope and contributions of AI in combating COVID-19 from the aspects of disease detection and diagnosis, virology and pathogenesis, drug and vaccine development, and epidemic and transmission prediction. In addition, we summarize the available data and resources that can be used for AI-based COVID-19 research. Finally, the main challenges and potential directions of AI in fighting against COVID-19 are discussed. Currently, AI mainly focuses on medical image inspection, genomics, drug development, and transmission prediction, and thus AI still has great potential in this field. This survey presents medical and AI researchers with a comprehensive view of the existing and potential applications of AI technology in combating COVID-19 with the goal of inspiring researchers to continue to maximize the advantages of AI and big data to fight COVID-19.

研究动机与目标

• 为AI在抗击COVID-19多个领域中的应用提供全面概述。
• 识别在疾病检测、病毒学、药物开发和传播预测中使用的关键AI技术。
• 总结可用于AI驱动的COVID-19研究的公开数据与资源。
• 突出主要挑战，并提出11项未来AI在大流行应对中的研究方向。

提出的方法

• 对AI在COVID-19研究中应用的同行评审文献和技术报告进行系统性回顾。
• 将AI应用分类为四个核心领域：疾病检测与诊断、病毒学与致病机制、药物与疫苗研发，以及疫情预测。
• 分析AI技术，包括用于医学影像分析（如X光胸片和CT）的深度学习、用于数据不平衡问题的迁移学习，以及用于虚假新闻检测的自然语言处理（NLP）。
• 将AI与基因组学及结构生物学相结合，以预测病毒蛋白功能和药物-蛋白相互作用。
• 利用机器学习模型分析大规模流行病学和社会媒体数据，以实现传播预测。
• 构建知识图谱和社会网络模型，用于患者接触追踪与风险评估。

实验结果

研究问题

• RQ1 AI如何通过医学影像和临床数据在COVID-19的检测与诊断中发挥作用？
• RQ2 AI在理解SARS-CoV-2病毒学方面发挥了何种作用，包括病毒结构和宿主相互作用？
• RQ3 AI驱动的方法在大流行期间如何加速了药物与疫苗的开发？
• RQ4 AI在预测和建模病毒传播与扩散方面发挥了哪些作用？
• RQ5 哪些关键数据资源和技术挑战促进了或限制了AI在COVID-19研究中的应用？

主要发现

• AI通过自动分析胸部X光片和CT扫描，显著加速了非侵入性诊断，减少了对核酸检测的依赖。
• 深度学习模型在从医学影像中检测COVID-19方面表现出高准确性，部分研究报告的AUC值超过0.90。
• AI支持的基因组学分析有助于识别SARS-CoV-2的动物溯源，并揭示其与蝙蝠病毒及MERS相关冠状病毒的结构相似性。
• 迁移学习和少样本学习技术提高了在阳性与阴性COVID-19病例数量少且不平衡的数据集上的模型性能。
• AI驱动的流行病模型成功利用移动性和病例数据预测了疫情爆发时间、传播路径和区域传播情况。
• 基于AI的系统被部署用于远程诊断、虚假新闻过滤和智能接触追踪，显著提升了公共卫生响应效率。