论文截图

据朱怀球团队的研究表明，新型冠状病毒与云南菊头蝠中存在的RaTG13冠状病毒一致性高达96%；另外，基于深度学习开发的VHP（病毒宿主预测）方法预测的结构化显示，水貂的病毒的传染性模式更接近新型冠状病毒。

据悉，在此次研究中，该团队使用了基于深度学习模型的AI技术寻找病毒宿主。这可能是国内首次在2019新型冠状病毒的研究中使用深度学习AI取得成果。

01

AI加入抗击疫情一线，深度学习寻找病毒宿主

一种前所未知的新型病毒出现后，确定病毒宿主是十分重要的。由于病毒复杂的多样性，目前人类已知的病毒和对病毒本身的了解还远远不够，大多数以人类为宿主的病毒，通常对人类造成生命安全威胁之后，才会进一步引起人们的重视。

对一些本不以人类为宿主的病毒来说，其本身也可能突发变异，或者通过中间宿主也可感染至人类。因此，快速寻找鉴别未知病毒的宿主，能够帮助人类了解病毒与宿主间的相互作用，以应对突发变异等潜在威胁，从而有针对性的对病毒进行预防和控制，具有重要意义。

图片来源：新京报网

实际上，相比传统的AI机器学习方法，AI深度学习的方法训练出的模型可以适用于多种不同类型的数据，还可以结合多种来源的数据，共同完成一个任务。

在基因数据中，并不是所有的数据都有准确的高质量数据标签，而通过深度生成模型，即使没有高质量标签的数据也能得到充分使用，从而使得模型能够持续的提升性能。

因而，从AI深度学习的种类上来看，除了常见的有监督学习和无监督学习，半监督学习与强化学习更适合，也更需要医学界、生物界更多的关注。

03

深度学习AI+医疗：应用前景广阔但也有局限性

在AI的应用场景中，医疗行业是其应用前景最为广阔的行业之一。生物信息领域中，制药企业的药物研发、医疗设备收集的健康数据、病患者的诊断以及治疗方案的确定都有深度学习型AI的应用需求。

深度学习的本质，是一个复杂的AI学习算法。目前，深度学习应用最为广泛的是在计算机视觉以及语言识别领域。其中计算机视觉技术在医疗领域也有一定的应用，如医学影像的识别。

不过，深度学习在医疗领域的应用也面临现实应用的局限性，其中之一就是分析过程缺乏解释性。实际上，深度学习本质上也是统计学习的一种，通过对已知数据的汇总和检索，以算法的优化达到某种结果的预测。

图片来源：新京报网

在数据时代，AI深度学习与算法、大数据的进步与发展将使得人类迎来一个全新的时代，在肆虐的病毒面前，人类并不会无动于衷。在当前新型冠状病毒暴发的艰难时刻，更需要人们充满信心，以更加顽强的勇气和智慧，以面对新型病毒的挑战！

□刘志刚（互联网分析师）

编辑：李碧莹 校对：王心

投稿、合作、联系我们：futurecity@xjbsmartcity.com