[论文解读] Artificial Intelligence in the Battle against Coronavirus (COVID-19): A Survey and Future Research Directions

Thanh Thi Nguyen, Quoc Viet Hung Nguyen+8 more|arXiv (Cornell University)|Jul 30, 2020

COVID-19 diagnosis using AI被引用 15

一句话总结

本综述综合了人工智能在抗击COVID-19中的应用，按医学影像、数据分析、自然语言处理、物联网和计算生物学等类别进行分类。它识别出13个关键研究问题，概述了所需的数据类型和人工智能方法，并强调了数据稀缺性和模型可解释性等挑战，为未来基于人工智能的疫情应对提供了路线图。

ABSTRACT

Artificial intelligence (AI) has been applied widely in our daily lives in a variety of ways with numerous success stories. AI has also contributed to dealing with the coronavirus disease (COVID-19) pandemic, which has been happening around the globe. This paper presents a survey of AI methods being used in various applications in the fight against the COVID-19 outbreak and outlines the crucial role of AI research in this unprecedented battle. We touch on areas where AI plays as an essential component, from medical image processing, data analytics, text mining and natural language processing, the Internet of Things, to computational biology and medicine. A summary of COVID-19 related data sources that are available for research purposes is also presented. Research directions on exploring the potential of AI and enhancing its capability and power in the pandemic battle are thoroughly discussed. We identify 13 groups of problems related to the COVID-19 pandemic and highlight promising AI methods and tools that can be used to address these problems. It is envisaged that this study will provide AI researchers and the wider community with an overview of the current status of AI applications, and motivate researchers to harness AI's potential in the fight against COVID-19.

研究动机与目标

• 提供对人工智能在应对COVID-19大流行中跨多个领域应用的全面综述。
• 识别出13个与疫情控制相关的关键研究问题，这些问题可通过人工智能加以解决。
• 为每类问题映射所需的数据类型、人工智能技术及现有研究成果，以指导未来研究。
• 突出在公共卫生危机中部署人工智能时面临的技术挑战，如数据稀缺性、模型可解释性以及伦理问题。
• 为研究人员提供战略路线图，以增强人工智能在未来疫情准备与应对中的作用。

提出的方法

• 按领域对人工智能应用进行分类：医学图像处理、时间序列数据建模、自然语言处理、物联网集成和计算生物学。
• 采用基于问题的框架，将13项疫情应对中的关键挑战（如早期检测和虚假信息控制）进行分组。
• 将每个问题映射到特定的数据类型（如临床数据、基因组数据、文本数据、影像数据），并推荐合适的人工智能技术（如卷积神经网络、长短期记忆网络、变换器、自编码器）。
• 回顾每类问题组的现有文献和工具，引用相关研究和方法论。
• 强调构建稳健数据管道、模型验证和持续监控的必要性，以确保系统的可靠性与可信度。
• 在人工智能生命周期中整合伦理考量，包括公平性、隐私保护、责任归属以及与人类价值观的一致性。

实验结果

研究问题

• RQ1 人工智能在抗击COVID-19大流行中的主要应用领域有哪些？
• RQ2 在疾病检测（如从医学影像中识别）或病毒传播预测等特定挑战中，哪些人工智能技术最为有效？
• RQ3 部署人工智能于疫情应对系统时，其关键数据需求和技术障碍是什么？
• RQ4 人工智能如何被用于遏制虚假信息并支持公共卫生沟通？
• RQ5 为确保人工智能在公共卫生危机中可信且公平的部署，必须解决哪些伦理与操作挑战？

主要发现

• 人工智能已应用于医学影像、时间序列预测、自然语言处理、物联网和计算生物学等多个领域，以支持疫情应对。
• 尽管关注度持续上升，但当前人工智能在疫情中的贡献仍受限于训练数据不足或质量低下。
• 深度学习模型（如卷积神经网络和长短期记忆网络）在分析医学影像和病例进展数据方面展现出强大潜力。
• 自然语言处理与聊天机器人系统被用于传播健康信息和应对虚假信息，但用户信任度和语言多样性方面仍存在挑战。
• 利用动态规划和概率方法进行基因组和蛋白质序列分析，对药物与疫苗研发至关重要。
• 伦理问题（包括可解释性、隐私保护、公平性与责任归属）是实现人工智能在公共卫生中负责任部署的核心要素。