当前位置：首页 > 编程日记 > 正文

疫情可视化，基于知识图谱的AI“战疫”平台如何做？

编程日记 2024-12-08 01:10:00

来源 | DataExa渊亭科技

武汉封城半个月，疫情依然严峻。但与17年前的SARS相比，我国在此次疫情防控工作中展现出了更高的医疗救治水平、更快的防疫反应速度、更透明的信息披露机制、更迅速的数据报送机制。

在这场没有硝烟的战役中，社会各界团结一致，众志成城。除了我们所熟知的逆行英雄、爱心募捐，以及传统的防控措施外，新兴科技的引入，使疫情防控的各个链路变得更加高效，大大提高了病毒分离、患者识别、隔离监控、行程预警等各环节防控工作效率。

例如，在病例筛查和药物研发方面。浙江省疾控中心上线的自动化全基因组检测分析平台采用了阿里达摩院研发的AI算法，原来数小时的疑似病例基因分析被缩短至半小时，大幅缩短确诊时间，并能精准检测出病毒的变异情况。

在体温测量和节省人力方面，一些地区配备了兼具红外线热成像镜头的无人机，可实现远程测量居民体温，避免了接触引发的感染。无人机还能够进行移动宣传，传播防疫知识，帮助工作人员更好的开展日常排查和摸排宣导工作。

除此之外，得益于移动互联网的发展，通过搜索引擎、新闻客户端、社交网络、社交媒体等，人们可以及时全面便捷的获取官方权威发布的实时数据、疫情动态和防疫知识等信息，做好个人防护措施。

为进一步发挥人工智能赋能效用，工信部在2月4日发布《充分发挥人工智能赋能效用协力抗击新型冠状病毒感染的肺炎疫情倡议书》，倡议组织科研和生产力量，把加快有效支撑疫情防控的相关产品攻关和应用作为优先工作。

面对疫情的快速传播，认知智能服务厂商渊亭科技响应国家和社会需求，经过仔细梳理分析，研发出一套适用于全国相关政府部门开展工作的【疫情智能作战平台】。

渊亭-疫情智能作战平台总架构图

渊亭【疫情智能作战平台】基于智能画像分析、知识图谱挖掘等关键技术，通过疫情相关大数据实时采集、知识关联、融合分析，能够高效追踪人群流动方向和地点、挖掘可疑病毒携带者的行动轨迹、及时发现“高危群体”和超级传播源，帮助防控部门准确识别各阶段需要重点关注的关键节点（如重点防控区域），并能够生成内容丰富的可视化分析报告，支撑各疫情防控工作的跨域跨部门协同。

从发现高危到阻断传播，关键在“找人”

在传染病发生发展和传播的过程中，及时找到具有传染风险的人，是确保疫情防控工作有力有序开展的关键。渊亭【疫情智能作战平台】通过知识图谱等AI技术，快速挖掘以下四类关键人群，即“超级传播者”、“处于传播网络中心地位的病毒携带者”、“密切接触者（一度、二度、三度传播人群）”、“无症状感染者”，帮助防控部门从根源阻断病毒传播途径。

应用一：超级传播源挖掘

对于已经感染病毒的患者来说，一部分群体可能不会进一步传播病毒，而另外一部分群体具有极强的传播能力，后者一般被流行病学家们称为“超级传播者”。这些群体的存在可以大大加快病毒传播的速度，或极大程度扩大疾病的地理分布。

世界卫生组织曾将SARS的“超级传播者”定义为：能将SARS病毒传染给十个以上的带病传播者。在此次疫情中，武汉最近的报道列举了一例感染14名医护人员的病人。像这样的病患就可以被当做“超级传播者”。因此，对于传染性疾病来说，做好防控工作的首要任务，就是及早发现“超级传播者”再控制传播源。

SARS病毒传染演化图

2001年，Pastor-Satorras 等人首次研究了基于图网络的流行病传播，病毒传播网络的结构具有无标度、小世界和高集群系数等统计特性，其中网络中的少许大度节点是引起流行病长存于网络的关键因素，即“超级传播者”节点。它们一旦被流行病感染，就能使得周边节点也被感染，从而形成能维系整个系统长存流行病的小团体。

渊亭知识图谱构建分析平台，针对以上问题提供“疫情图谱快速构建与分析工具”。基于平台的图谱构建端，将出行、线下社交等接触性数据以知识图谱形式进行表征，后通过图谱分析端所提供的图挖掘算法直接完成出入度分析及网络模式识别，快速分析出图谱网络中的“超级传播者”，在此基础上，生成“潜在的病毒感染人员名单”，为医务防护快速隔离提供重要的线索和依据，如下图所示：

超级传播者定位

应用二：关键节点发现

疫情的爆发与防控具有一定的时间性和周期性，动态复杂的环境为突发的疫情事件管理与决策提出了新的挑战。当前新型冠状病毒疫情仍处于演化中，如何在交互式参与的多极化、动态化网络传播模式下密切跟踪疫情事件演化过程，快速收集、评估影响、精准研判、及时回应，是疫情事件管理和疫情防控的关键。

在疫情事件的传播过程中，处于中心地位的病毒携带者将原本相互间并无直接关联的组织或个人联系起来，形成具有特殊拓扑性质的网络结构，这些中心成员在传播网络中也称为关键节点。根据网络传播的二八定律，疫情传播主要由关键节点人和敏感人群推动，因此分析和识别出疫情传播网络中关键人群的定位和影响路径，以此重点防控关键节点的传播行为，对于控制疫情传播具有极其重要的价值。

在全面、合理地判定传播中的关键节点的基础上，对动态疫情事件进行监测、预警成为此次疫情防控的关键。基于此，渊亭知识图谱平台，提供基于动态传播图谱的关键节点角色分析功能，完成动态图谱下的阶段性关键节点挖掘，帮助防控部门准确识别各阶段需要重点关注的关键节点，以此进行区别性重点隔离与防控：

渊亭动态图谱关键节点挖掘操作流程图

首先，我们对突发事件信息传播过程按时间进行阶段划分，并构建各阶段传播网络G1、G2、G3、G4；根据用户在各阶段传播网络中的结构优势、信息优势和响应优势分别计算观测样本在各阶段的局部影响力L1、L2、L3、L4；后通过动态设置PageRank算法的初始影响力值和转移概率，分别计算各阶段的病毒传播全局影响力WPR1、WPR2、WPR3、WPR4；从而综合分析出观测样本在第k阶段的全局影响力和第k-1阶段的影响力剩余值，依次计算阶段传播影响力TPR1、TPR2、TPR3、TPR4；最终根据阶段传播影响力值对观测样本进行排序，识别各阶段需要重点关注的关键节点。

关键节点传播分析

应用三：基于同行关系的高危群体防控

众所周知，与流行传染病患者密切接触的人，自身被感染的风险更高，并且有可能进一步传染他人。而当网络规模无穷大时(即热力学极限下)，网络中的少许大度节点(即重要城市)会导致流行病在全球范围内爆发。因此，追踪并观察这些密切接触者有助于“高危群体”第一时间得到护理和治疗，并防止病毒进一步扩散。这也是当疫情出现扩散和爆发趋势时，控制大规模爆发的有效手段。

渊亭知识图谱平台，提供从接触者识别、关系网络图谱构建、到跟踪监测的全流程能力支持。通过快速集成铁路（铁科院）、航班（中航信）等交通数据，构建接触性人员关系网络图谱，分析已知与潜在感染关系的可能性并进行可视化展示。

疫情传播扩散图

对于发现确诊的病人，结合已知的其乘坐的某班次高铁/航班信息和交通信息图谱，利用渊亭的图谱关系挖掘算法快速分析出直接同行人（一度传播人群）以及潜在的二度、三度传播人群，并通知同行人所在地防疫办（可以通过车厢或航班的位置远近设置严重程度），按照具体环境条件进行不同程度的隔离与观测，定位病毒源头的常驻人群，并追踪这些高危人群后续的行为轨迹，精准联系到其密切接触的具体人员，完成接触者识别和跟踪。

一度、二度传播人群挖掘

应用四：基于聚集信息群体性传染防控

在疫情扩散期，必要性公众场所的人员进出防控变得极其关键，此次疫情采取的检测和限制手段主要是体温筛查，但体温筛查很难识别出无明显病症但存在高风险携带性的“无症状感染者”，这部分病人虽然病情轻，但是仍然具有传染性。因此如何挖掘出无明显病症但存在高风险携带性的人群同样是打好“疫情攻坚战”的关键环节。

疫情重点传播区域分析

渊亭科技知识图谱平台，提供基于聚集信息快速构建接触性人员关系网络的能力，可对进出地铁、商场等公共场所的人员进行实时的病毒携带可能性挖掘（即获得观测对象潜在的携带画像），弥补了当前仅凭实时体症检测的不足。

基于传播关系的人员携带可能性分析

当观测对象出现在监测区域时，检测人员不仅可以对其进行实时的体征检测，而且可以基于平台提供的图谱分析挖掘能力，根据确诊病人和高风险人群，对接触性人员关系网络进行潜在关系的碰撞分析，得到观测对象潜在携带病毒的可能性，并提供了图谱网络方式的可能性解释，即：通过怎样的传播路径与分析过程推测出其携带的可能性。

疫情面前，时间就是金钱。渊亭技术中台的所有能力均采用模块化的开发方式，还可以按照不同的病毒特点进行应用逻辑的灵活组合，快速满足疫情期间不同场景的应用需求。

疫情期间，渊亭向全国疫情防控部门免费提供产品和技术支持，并已将疫情防控作为长期重点研究项目加入渊亭认知中台场景库中。充分发挥公司的产品和技术优势，为疫情防控贡献力量。

从无知到有序，科技力量正在不断地缩小我们和病毒追赶的差距。我们相信，未来，人工智能、大数据等前沿科技将进一步深入到社会治理的方方面面，在应对突发公共事件、提升城市运行效率，医疗技术攻坚等关键领域，更多的场景痛点将被科技力量解决。

获取完整方案/申请合作请联系：0592-5528280/bd@dataexa.com

【end】

◆

精彩推荐

◆

福利直达！CSDN技术公开课评选进行中，参与投票即有机会参与抽奖！大奖福利请见下方海报，承担你的2020全年技术干货！

推荐阅读

福利直达！CSDN技术公开课评选进行中
技术驰援抗疫一线， Python 线上峰会免费学！
此次疫情被战胜后，或将给区块链的发展带来深远的影响
企业微信再次升级；滴滴网约车欲加装防护隔离膜；Firefox 73发布 | 极客头条
一文看懂Microsoft Azure的十年变迁
“抗疫”第二战场，那些屏幕后的“云”医生

你点的每个“在看”，我都认真当成了AI

https://www.dkcj.cn/info/30857.html

疫情可视化，基于知识图谱的AI“战疫”平台如何做？

相关文章：

mysql乐观锁总结和实践

数据竞争（data race）问题分析的利器——valgrind的Helgrind

sql charindex函数

170亿参数加持，微软发布史上最大Transformer模型

iOS 开发 OC编程数组冒泡排序.图书管理

C#中使用Monitor类、Lock和Mutex类来同步多线程的执行(转)

从0开始搭建编程框架——思考

2月15日Python线上峰会免费学！6场精华分享，用代码“抗”疫

C#语言数组

从0开始搭建编程框架——主框架和源码

中文版开源！这或许是最经典的Python编程教材

[流水账]毕业?工作?

Java并发编程-信号量

从0开始搭建编程框架——插件

蚂蚁金服AAAI收录论文曝光，动态网络剪枝方法、无语预训练的网络剪枝技术有重大突破...

安装 Enthought Tool Suite 时遇到的问题

SQL知识累积

C++拾趣——使用多态减少泛型带来的代码膨胀

如何成为一个优秀的程序员

2020年，最适合AI的5种编程语言

kafka生产者、消费者java示例

bug诞生记——临时变量、栈变量导致的双杀

波士顿动力的机器狗上班了！巡逻、检测不在话下，挪威公司为其编发工号

C语言运算符的优先级

Java 多线程（六） synchronized关键字详解

bug诞生记——const_cast引发只读数据区域写违例

听说Java被玩儿淘汰了？骨灰级程序员：远比你们想象的强大！

RapidFramework使用Oracle的步骤

拇指接龙游戏升级记录03(升级MainScene.cpp)

Flex与.NET互操作(十二)：FluorineFx.Net的及时通信应用(Remote Shared Objects)(三)