人工智能应用下的突发公共卫生事件治理

王会权，刘 璐

1中国政法大学政治与公共管理学院,北京，100088; 2中国地质大学(北京)工程技术学院,北京，100083

进入21世纪以来，全球性的突发公共卫生事件屡有发生，2003年的严重急性呼吸综合征(SARS)疫情、2009年的甲型 H1N1 流感疫情、2015年的中东呼吸综合征(MERS)疫情，以及2019年的新型冠状病毒肺炎(以下简称“新冠肺炎”)疫情。频频出现的突发公共卫生事件给人民群众的生命健康及经济社会平稳运行造成重大损害。在我国这样一个经济高速发展、人口流动迅速、区域联系紧密的社会中，要想实现疫情防控手段的优化、成本的控制以及效率的极大提升，摒弃传统的以人工防治为主的方式而走数字化道路是必然选择。习近平总书记在中央全面深化改革委员会第十二次会议中强调：“要充分运用大数据、云计算、人工智能等新型数字技术以支撑疫情防控工作，在病毒溯源、监测分析、资源调配等方面发挥积极作用，不断提高疫情防控的科学化、智能化、精细化水平”。人工智能作为引领新一轮科技革命的战略性技术与第四次工业革命的核心驱动力，其在公共卫生安全治理方面的作用引起了政府与学者的高度重视与关注。

对于人工智能应用于突发公共卫生事件治理的相关问题，国内外学者已进行积极探索，形成了以公共卫生、应急管理、情报学为主多学科齐头并进的研究局面。从公共卫生学科视角来看，主要是关于人工智能在医疗领域的影响与挑战研究，如蒋璐伊等在分析人工智能契合于医疗领域“九大类应用”的基础上，提出我国应在技术、法制、标准、监管等方面做好规范[1]；Filippo Pesapane等提出人工智能的高效率能够使放射科医生的工作具备更高附加价值[2]。从应急管理学科视角来看，主要是关于人工智能在突发公共卫生事件中的作用机理与实践研究，如赵建新认为人工智能技术能够从横、纵两个维度为我国公共卫生应急管理体系建设与能力提升提供立体化支撑[3]；Wim Naudé提出人工智能在抗击COVID-19中有追踪与预测、诊断和预后、治疗和疫苗等实际与潜在用途[4]。从情报学学科视角来看，主要是关于人工智能时代突发公共卫生事件情报体系及模型的构建研究，如黄茂汉利用区块链技术去中心化的特征构建了安全性高、拓展性强的疫情防控情报模型[5]；Youssoufa Mohamadou认为医学图像、人口流动、病例报告等COVID-19数据与人工智能结合所构建的情报模型可增强对预防措施评估的认识[6]。从研究成果来看，人工智能在突发公共卫生事件治理中已有一定应用，学界也就两者融合的问题进行了初步探索。但是，仍存在以下不足：一是两者结合并不紧密从而导致人工智能的应用徒有其表，具体表现为宏观政策性倡导与实践应用内在关联的极度缺失，以及微观应用上囿于技术手段迭代而导致的深度融合停滞不前；二是当前研究多从正面分析人工智能对突发公共卫生事件治理的积极影响及实现方式，而较少对人工智能应用嵌入所带来的风险进行反思。因此，本文以此为切入点，在探讨人工智能与突发公共卫生事件治理相契合的基础上，研究人工智能在该领域的创新性应用、风险及未来发展趋向，旨在为推动人工智能和突发公共卫生事件治理的深度融合提供依据。

1 人工智能与突发公共卫生事件治理的适用性分析

人工智能最早可追溯至计算机领域的先驱阿兰·图灵于1950年在《计算机器与智能》一书中所提出的图灵测试，但当时并未提出“人工智能”这一专业术语。1956年在美国召开的达特茅斯学院研讨会正式宣告了人工智能的诞生[7]。经过60余年的演进与发展，人工智能已逐渐渗透至社会发展的诸多领域，但就其如何定义的问题上科学界尚未达成共识。笔者基于现有不同定义之间的共同主线“智能机器执行特定角色和任务”，尝试对其作出以下界定：人工智能是以算法为基础，以历史数据为支撑，通过模拟人类的感知、思维、学习等而形成的具备认知、分析、推理、决策等功能的计算系统。人工智能技术所具备的优势与广阔前景，使其不再是独立于社会与治理的外在因素，而是深入介入治理过程并对其施加重要影响。

1.1 政策基础

我国政府历来重视新兴产业与高新技术的发展并给予其充分的政策支持。2016年10月，中共中央、国务院发布《“健康中国2030”规划纲要》，将智慧医疗、远程医疗应用体系的建设提上日程。2017年5月，科技部、国家卫生计生委等部门联合印发《“十三五”卫生与健康科技创新专项规划》，提出把科技创新放在卫生与健康事业发展全局的核心位置。2020年4月，工信部发布《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》，提出要把加快有效支撑疫情防控的产品攻关与应用作为优先工作。这些都为人工智能与突发公共卫生事件治理的深入融合奠定了坚实的政策基础。

1.2 现实需求

我国重大突发公共卫生事件以烈性传染病为主，在疫情防控中可能出现风险研判不足、指挥决策不当、信息流通不畅、物资保障不力等问题。而以数据和算法为基础的人工智能技术，可将疫情覆盖及周边区域纳入到以数据化呈现的治理框架中，凭借其强大的算法逻辑与计算规则，实现外部环境的精准化感知以提升风险研判与预警能力；可通过深度学习对海量数据进行智能化跟踪、采集、清洗与挖掘，使分析结果更为精准[8]。从本质上看，突发公共卫生事件治理对于人工智能技术具有强烈现实需求。

1.3 技术逻辑

人工智能与突发公共卫生事件治理的适用性并不是技术与治理的生硬嵌套，而是具有潜在的技术逻辑。所谓技术逻辑，即反映技术本身的固有属性及技术带来的结构化影响，人工智能的固有属性即算法，其不断高速迭代发展决定了该技术的独有特征——自我适应性[9]。深度学习算法不仅是人工智能技术不断发展与演进的基础，同时也是驱动治理变革与自动适应需求的内在动力。人工智能所带来的影响建立在其固有属性(算法)之上，当算法成长到一定程度即可“反哺”治理进而带来变革性影响，两者彼此交互并高度融合，体现了人工智能的技术逻辑。

2 人工智能在突发公共卫生事件治理中的应用

当前，医疗健康与公共卫生领域普遍被认为是人工智能技术现实需求最高、应用场景最多、实践落地最快的领域之一，这为突发公共卫生事件治理中人工智能的应用提供了契机。按照习近平总书记在北京考察新冠肺炎防控科研攻关工作时所提出的“可溯、可诊、可防、可治、可控”5大防控要求，本文从监测预警、病毒溯源、诊断救治、传染源控制、疫后恢复5个方面分析人工智能技术的主要应用场景。见图1。

图1 人工智能在突发公共卫生事件治理中的应用

2.1 监测预警

所谓疫情监测预警，即获取社会中的传染病信息并进行实时监控，察觉潜在危险变化以及时发出预警信号。由此可以看出，疫情监测预警对数据具有极高依赖性，而人工智能通过自然语言处理、复杂场景感知、关联计算、深度学习等技术，不仅能够对大规模多源异构数据进行快速采集与深度挖掘，扩大互联网空间监测范围；而且还能对数据作系统集成分析并构建模型，增强卫生部门对数据的使用把控能力。如在新冠肺炎疫情期间，Yang等学者将人工智能技术与SEIR模型相结合，有效预测了我国新冠疫情的传播速度、高峰期及规模，为疫情监测防控提供了“集合性情报”[10]。

2.2 病毒溯源

对传染病开展病毒溯源研究，找到自然宿主与中间宿主，明确传播路径、突变规律及其带来的潜在风险，这是控制传染源、阻止病毒大规模蔓延的核心问题。人工智能技术可建立起统一的智能问卷系统，对每日确诊病例及流行病学史进行完整调查记录，以该数据为基础即可搭建出有关疫情的系列统计模型，通过模型能够短时间内确定病毒源头、历史变异等信息。在COVID-19 疫情中，国内多个团队基于人工智能算法来构建数学模型，以此反向溯源新冠肺炎病毒的可能宿主，如北京大学研究团队基于双路卷积神经网络技术，分析出蝙蝠与水貂可能是潜在宿主；华南农业大学研究团队通过对比基因序列，发现穿山甲可能是中间宿主之一。

2.3 诊断救治

人工智能在患者诊断救治方面也展现出强大的赋能效用。基于人工智能的医学图像诊断可辅助传染病临床特征识别，通过深度学习算法对机器反复进行医疗影像训练进而构建“AI+CT”的智能分析系统，实现诊断报告的自动生成以辅助医生准确识别病灶。如华中科技大学研究团队运用临床数据训练出的机器学习模型，输入病例的3个临床特征即能够预测重症患者的生存率，且准确率高达90%[11]。此外，人工智能可显著提升蛋白筛选、序列关联性的科研攻关效率，助力药物及疫苗研发工作。利用自然语言处理(NLP)、蒙特卡洛树搜索算法(MCTS)等，可在计算机上对药物筛选进行模拟，对多种已知靶点药物的三维结构及其和病毒作用位点的可能关系作建模分析，快速挑选出安全性最高者作为新药的最佳备选。

2.4 传染源控制

传染源控制的本质即限制传染源自由流动，切断病毒传播路径是遏制疫情进一步蔓延的关键环节。一方面，通过对出行时间、地理位置、社交关系等手机数据进行相关性分析，即可绘制出传染源的行动轨迹并辅助推断密切接触人群。如杭州市在新冠疫情期间率先推出“绿、黄、红”3色健康码，以真实出行数据为基础评估个人风险并采取分类隔离政策。另一方面，基于人脸识别、红外热成像等技术构建的双光快速温测智能识别系统，能够在人员高密度且快速流动场景下对体温异常者进行筛查。如百度研发的“AI测温系统”、阿里研发的“AI防疫师”，均可在1min内完成200-300人的非接触式体温监测，对疑似病例进行“地毯式”排查。

2.5 疫后恢复

“收放自如，进退裕如”，这是习近平总书记在杭州考察时，就现阶段城市治理能力现代化进程中疫情的防控治理提出的要求。这不仅要求正确处理“收”与“放”、“进”与“退”的动态关系，更是对精准研判“疫情防控”与“复工复产”两者平衡点的考验，而人工智能则为这一平衡点的寻找提供了重要支撑。人工智能在企业复工复产方面能够提供指导性建议，通过算法模型对数据进行聚合分析，可实现对疫情走势的前瞻性预测。如国家电网依据“企业复工电力指数”构建企业的用电量画像，协助政府对复工复产企业施以提前介入与动态管理；杭州市推出的“企业复工申报平台”，可实现企业洽谈业务“不见面、不出门、不碰头”的3不模式，充分发挥智能化信息平台的优势。

3 人工智能应用中面临的问题

尽管人工智能在突发公共卫生事件治理中具有广阔应用前景，但现实能力与应用潜能之间仍存在较大鸿沟，尤其是根据“弱人工智能、强人工智能、超人工智能”的类型区分来看，当前发展仍处于弱人工智能阶段，面临着诸多亟需解决的问题。

3.1 质量与效率问题

在新冠肺炎疫情大规模爆发之初，国内一些医疗机构与企业便尝试将人工智能等新兴技术应用于疫情防控中。但总体来看，现阶段人工智能在防控一线的应用较为有限，疫情防控工作由于缺少重要技术抓手而质量与效率低下。从应用程度与范围来看，当前人工智能产品多停留在轨迹追踪、医疗影像、疫情地图等较浅层面，而在疫情预警、感染者诊断、药物研发、临床救治等关键领域所发挥的效用亟待提升。此外，医疗AI作为一种新兴数字技术，虽然在精准度和诊疗效率方面给患者带来巨大福音，但仍属于稀缺性资源，收费较高，这在一定程度上也导致整体应用效能的低下。

3.2 “算法黑箱”问题

人工智能技术在疫情防控各阶段的应用得益于深度学习算法。从表面来看，算法是数字符号的集合体，不像人类那样易被情绪和偏见干扰而具备客观公正性。但程序员作为算法的唯一构建者，很可能使算法本身因设计者的价值偏好而隐含歧视与偏差。加之深度学习的过程缺乏透明性与可解释性，人工智能在输入数据和输出答案之间存在难以捉摸的“算法黑箱”，因此这种歧视与偏见便会在算法训练中被继承和无限放大，最终得出有偏差甚至错误的预测结果。比如在被感染患者的医疗救治中，算法开发者本身对涉及种族、宗教信仰、性别等方面存在歧视，那么就会导致这些群体在智能化诊疗中受到歧视性对待。

3.3 责任承担问题

人工智能通过技术手段赋能突发公共卫生事件治理。但是从构建算法到输出结果这一系统过程的控制权掌握在程序开发者手中，存在被科技巨头垄断的可能性，导致患者对医疗机构和医生的信任会由于责任归属问题而变得异常复杂。当人的“主观判断失误”与“数据信息缺失或系统故障”并存而导致决策出现问题时，决策失败的责任由谁来承担？就医患关系而言，引入人工智能后使得医生与患者之间增加了“医疗AI系统”及其开发制造商，当医生在诊疗过程中依赖AI出具的报告，做出了错误性判断甚至引发医疗事故时，整个医疗AI供应链中，包括生产厂商、程序开发人员、医生等是否以及在多大程度上需要承担责任，这样的责任界定与承担问题亟需解决。

3.4 隐私泄露问题

人工智能技术是以大数据为基础的，样本量的丰富程度直接决定了分析和预测结果的精准性。但是数据采集、云端存储、知识提取与信息共享这一系列过程以及技术本身的缺陷，给不法分子提供了诸多信息获取途径，使数据泄露的风险被无限放大。比如在利用医疗AI开展流行病学分析及疾病诊断时，必须依赖算法从大量病例中挖掘隐含信息进而构建合理分组，这固然有利于促进智能医疗技术创新与诊断结果的客观公正，但病例中包含较多隐私性和敏感性信息，如患者身份、门诊记录、医保记录、生物基因信息等，一旦这些数据被泄露或滥用，将会给患者带来身心困扰和财产损失[12]。如何在医疗人工智能与患者隐私保护之间寻求平衡点，是当前面临的诸多问题之一。

4 建议

4.1 注重人工智能场景应用

人工智能必须与具体应用场景相结合，才能充分发挥其应有价值。因此要促进人工智能赋能突发公共卫生事件治理效能的提升，实现疫情潜伏期动态预警、爆发期疾病诊疗、恢复期复工复产等应用场景的全覆盖是重要途径。在政策法规层面，应有倾向性地对尚处于发展初期的新兴技术予以政策支持，注重计算机视觉、知识图谱构建、迁徙轨迹绘制、病毒基因测序、疫苗研制等在疫情防控中的应用，减少资源配置不均导致的行业发展差异。在技术层面，加大数据采样范围以增强数据代表性，解决数据质量欠佳、体量过小、标准不统一等问题，为疫情有效防控构建数字基础设施。

4.2 完善人工智能算法治理机制

建立围绕算法的治理体系与治理机制，是未来突发公共卫生事件智能化应对中的首要命题。加强对人工智能算法的治理，应当以算法透明为原则，一方面针对“算法黑箱”在机器学习可解释性上的缺陷，就药物研发、疫苗制造领域进行模型构建科研攻关；另一方面运用法律对算法研发机构需要履行的“透明、公开、程序合法”等义务作出详细规定。以优化算法为手段，针对算法本身过多强调数据相关性而暴露出的分析偏差缺陷，引入因果推理概念补偿这些偏差，提高算法合理性。以推进算法应用为目的，积极探索深度学习、元学习、迁移学习等方法在结构化与非结构化数据分析中的应用，提高机器对海量复杂疫情数据的认知能力。

4.3 理清人工智能在应急决策与医疗领域的责任权属

就突发公共卫生事件治理中的应急决策而言，传统上遵循的是“谁决策、谁拍板、谁担责”的基本原则，但随着人工智能在问题界定、问题分析、方案制定等关键环节的广泛应用，如何界定决策失败后的责任承担问题将陷入困境。因此，必须以人工智能在不同发展阶段相对于人的不同主体地位为基准，开展与之相关的民事刑事责任认定等法律问题研究。如在当前的弱人工智能阶段，人工智能尚不具备独立的法律人格，仅作为一种辅助技术手段而不能替代决策主体承担决策失败的风险。在医疗领域，迫切需要建立追溯和问责制度以理清AI研发者、生产者、使用者的责任权属边界。

4.4 加大数据安全与个人隐私保护力度

数据安全与个人隐私保护是指在数据不被泄露和滥用的前提下，保证信息被采集者对数据使用的知情权、选择权与控制权。在人工智能背景下，要兼顾数据安全与个人隐私保护，应从技术与管理两个方面着手。在技术上，对现有人工智能系统与数据安全架构进行全面优化，除了采取加密保护、匿名化存储、数据容灾等措施外，还要实现不同等级用户对数据接入和使用权限的差异化控制，确保数据访问使用全程留痕。在管理上，构建一个相对成熟的隐私规制体系。一方面，加强对疫情数据在采集、存储、传输、应用各个环节的统筹把控，使整个信息化流程无漏洞可钻；另一方面，出台相应政策法规，按照“赔偿-处罚-刑罚”的阶梯式惩处模式对侵犯个人隐私的不法行为进行惩处，为突发公共卫生事件治理中数据信息的使用提供可靠的法制保障。