当前位置： 冠状动脉疾病 > 冠状动脉疾病感染 > 全球疫情趋势预测及应对追踪简报第十二期
当前位置： 冠状动脉疾病 > 冠状动脉疾病感染 > 全球疫情趋势预测及应对追踪简报第十二期
疫情概览：至年5月17日10时，全球COVID-19累计确诊人数超过万例，美国确诊人数逾万。全球确诊死亡病例数逾31万。美国、英国、加拿大的七日滚动日均确诊人数已开始小幅下降;俄罗斯、巴西、印度、哥伦比亚、南非、巴基斯坦等仍呈上升趋势，俄罗斯累计确诊人数跃升至全球第二。
最新资讯：COVID-19流行可能与一种严重的类川崎病有关;吸烟者发展为重症COVID-19和发生死亡的风险更高;早期使用三联抗病毒治疗，在缓解轻、中度COVID-19患者的症状和缩短住院时间等方面，优于单独使用洛匹那韦-利托那韦治疗。
本期焦点：在COVID-19疫情期间，AI在检测疾病诊治、追踪病源、疫情预测、辅助药物疫苗开发等方面均可发挥作用。在全球疾病暴发时，AI是应对冠状病毒的有用工具。
一、全球疫情概览
1.确诊病例变化情况截至年5月17日10时(UTC时间)[1]，全球累计确诊新型冠状病毒肺炎(COVID-19)病例4068例，累计确诊病例前3位的依次为：美国(7820例)、俄罗斯(例)和英国(241例)，俄罗斯累计确诊人数跃升至全球第二。美国、英国、加拿大的七日滚动日均确诊人数已开始小幅下降;俄罗斯、巴西、印度、哥伦比亚、南非、巴基斯坦等仍呈上升趋势[2]。
2.死亡病例变化情况截至年5月17日10时(UTC时间)[1]，全球累计确诊死亡病例例。累计死亡病例前3位的依次为：美国(例)、英国(例)、意大利(例)。
图1全球七天滚动日均死亡人数(3月15日至5月15日)
根据金融时报(FinancialTimes)滚动更新的数据[2](见图1)，全球COVID-19七日滚动日均死亡人数总体进一步收缩，美国、西班牙、意大利、英国和其他欧洲国家的七日滚动日均死亡人数均呈现下降，巴西和加勒比海地区以及其他拉丁美洲地区仍在增加;5月9日至5月15日，全球日均死亡人数为例，期间美国日均死亡人数为例。全球多国超额死亡率(超过历史平均水平的死亡人数)增加50%以上，且超额死亡人数大大超过了报告的COVID-19死亡人数。在受灾最严重的城市和地区，情况更为严峻。厄瓜多尔的瓜亚斯省自3月初以来死亡人数比正常情况多出1万人，增幅超过%。伦敦的总死亡人数增加了一倍多，纽约市自3月中旬以来的总死亡人数是正常水平的四倍多。
3.疫情干预措施追踪牛津大学研发的全球COVID-19疫情干预措施追踪器[3]显示，自疫情暴发以来，各国应对措施的严格程度不断上升，但近期英国、意大利、西班牙等国严格管控程度有所放松。
图2疫情期间政府应对严格指数(1月21日至5月13日)
4.疫情变化趋势预测德国莱比锡大学Claudius团队[4]提出一种单一预测变量的微积分方程建模预测方法，对15个国家COVID-19确诊人数变化进行预测。结果显示，奥地利、意大利、伊朗等多国疫情高峰已过，将于7月结束;然而智利、厄瓜多尔、墨西哥、巴西、巴基斯坦、印度等国仍处于快速增长期。
图3全球15国每日新增感染病例数预测
英国帝国理工大学和苏塞克大学的预测平台[5]在对54个活跃传播国家的病例报告趋势显示，截止年5月10日，有4个国家COVID-19的死亡趋势正在下降，23个国家(浅绿色)呈稳定或缓慢增长，9个国家(深橙色)持续增长;有12个国家(淡橙色)流行趋势尚不明确，其他灰色国家和地区未纳入评估。
图4近一周(5月4日-10日)全球54个国家死亡情况预测
二、最新资讯
1.Lancet刊文称COVID-19流行与一种严重的类川崎病有关，COVID-19疫情暴发的国家也面临类川崎病暴发的风险。
5月13日，“柳叶刀”杂志(Lancet)刊发意大利学者的一项研究[6]，提出意大利贝加莫省类川崎病暴发与COVID-19流行之间存在强烈关联。川崎病是一种急性自限性血管炎，对冠状动脉有特殊的影响，会影响以前健康的婴儿和儿童。病因尚不清楚，最被接受的病原学假说支持免疫系统对遗传易感受试者中一种或多种未鉴定病原体的异常反应导致川崎病的发生，但尚未确定触发因素。
该团队根据COVID-19流行开始前和开始后的症状表现，将近5年内诊断为川崎样疾病的患者进行分组并通过PCR和血清学定性试验分别检测COVID-19IgM和IgG，以判断当前或以前是否感染。结果发现，在过去的一个月里，川崎病的发病率增加了30倍，在COVID-19大流行期间诊断为川崎病的患者临床和生化特征似乎与既往患者队列不同，因此将其称为类川崎病。从临床角度看，这些患者年龄较大，有呼吸和胃肠道受累、脑膜征和心血管受累征，从生化角度看，他们有明显的淋巴细胞减少、血小板减少、铁蛋白升高的白细胞减少，以及心肌炎的标志物。此外，这些患者的病程更严重。作者提出COVID-19流行与一种严重的类川崎病有关，在涉及COVID-19疫情的国家也可能会暴发类川崎病。
2.WHO声明吸烟者发展为重症COVID-19和发生死亡的风险更高，目前没有足够的信息证实烟草或尼古丁与预防或治疗COVID-19有任何关联。
由世界卫生组织(WorldHealthOrganization，WHO)于年4月29日召集的公共卫生专家所做的研究综述[7]发现，吸烟者更有可能患重症COVID-19。COVID-19是一种主要侵袭肺部的传染病。吸烟造成肺功能损害，使人体更难抵抗冠状病毒和其他疾病。烟草还是心血管疾病、癌症、呼吸系统疾病和糖尿病等非传染性疾病的主要风险因素，当受到冠状病毒病影响时，已存在这类疾病的人罹患重病的风险更高。现有研究表明，吸烟者发展为重症COVID-19和出现死亡的风险更高。目前没有足够的信息证实烟草或尼古丁与于预防或治疗COVID-19有任何关联。WHO敦促研究人员、科学家和媒体对夸大未经证实的烟草或尼古丁可以降低COVID-19风险的说法持谨慎态度。
3.Lancet刊发研究表明，早期使用三联抗病毒治疗，在缓解轻、中度COVID-19患者的症状、缩短病毒脱落时间和住院时间方面，优于单独使用洛匹那韦-利托那韦治疗。
5月8日Lancet发表香港大学袁国勇教授领衔的研究论文[8],这项研究为多中心、开放标签、随机的2期临床试验，在年2月10日至3月20日间招募了名患者，其中，86名随机分配到三联疗法组，41名分配到对照组。结果表明，三联疗法组从开始治疗到阴性鼻咽拭子的中位时间(7天[IQR:5-11])明显短于对照组(12天[IQR:8-15];危险比为4.37(95%CI：1.86–10.24，p=0.)。不良事件包括自限性恶心和腹泻，两组之间无差异。该研究表明，早期使用洛匹那韦/利托那韦+利巴韦林+干扰素β-1b的三联疗法，可以显著加快轻、中症COVID-19的病毒核酸检测转阴和改善症状，并缩短患者住院时间。
但该研究存在局限性，目前仍需更多临床研究证据。该试验为开放标签设计;没有设置安慰剂对照组;亚组分析提示干扰素β-1b似乎是关键，未来可考虑将干扰素β-1b作为对照组进行进一步实验;另外，该研究没有纳入重症患者，结果无法外推至重症病例。
三、本期 在新冠疫情期间，AI(ArtificialIntelligence，AI)在检测疾病诊治、追踪病源、疫情预测、辅助药物疫苗开发等方面均可发挥作用。数据专家称，在全球疾病暴发时，AI是应对COVID-19大流行的有用工具[12]，主要应用总结如下：
1.疾病诊治
医院的研究，AI辅助提高了放射科医生鉴别COVID-19和其他胸部病因方面的能力。在AI的辅助下，放射科医生在诊断方面能够达到更高的精确性、敏感性以及特异性[9]。由依图科技为上海公共卫生临床中心(SPHCC)开发的CT智能评估系统，可以对COVID-19CT影像进行智能化诊断与定量评价，有效提高诊断的准确性和速度[10]。通过肺部CT扫描，AI被设计用于快速检测可能的冠状病毒肺炎病变，测量其体积、形状和密度，并比较图像中多个肺部病变的变化，这些都提供了定量报告，以帮助医生快速判断。一次CT扫描的人工读取时间可能长达15分钟，而AI可以在10秒内读完图像[11]。
此外，研究者可以训练机器学习方法，以快速了解哪些因素可以预测较高的死亡率，以及干预措施和人口水平控制，从而减少危害。基于AI的方法，结合遗传、生物和环境数据，最终有助于找到治疗冠状病毒的方法[10]。
2.公共卫生监测
在过去很长一段时间，卫生部门的调查，登记和信息库是公共卫生监测的常规手段。但是随着AI技术的开发，这种情况已经开始改变。监测系统现在被设计为使用大规模的、可公开获得的、自我报告的数据源，例如社交媒体、新闻源、博客以及其他诸多信息源[10]。由AI和大数据分析支持的现代监测系统使用这些资源来提取重要信号，这些信号是人口健康水平评判的关键指标。与传统监测系统相比，基于AI的系统成本更低，速度更快，范围更广，而传统监测系统可能会占用大量资源并且报告速度相对较慢[10]。
3.个人接触追踪
AI也可以有效地对个体进行追踪和监测，预测疾病的未来发展以及可能的复发趋势,本次的COVID-19可用数据激增，有了更多可追踪的资源，比如社交平台和大数据，基于机器学习模型的AI可以借助大数据，协助疫情防控部门掌握辖区人员流动情况，快速定位到重点防范区域，识别高危人群或应首先筛查的人群。依靠AI的先进算法，结合大数据，可以做到对确诊者的行为、活动轨迹等进行精准分析，快速定位发现高危人群，锁定密切接触者、防范更严重的疫情扩散[12]。
4.药物和疫苗的选择与研发
AI可以通过计算机筛查的方式，利用复杂的计算机模型来模拟用于医学分析的生物学实验，理解病毒传播途径，根据结构生物学来确定病毒结构，从而针对性地辅助疫苗开发。同时借助AI基于计算生物学的原理，来理解病毒进化，从而对接研究来筛选药物和抑制剂。鉴于疫情暴发而造成的紧急情况，计算机模拟筛查可以快速跟踪各种策略的测试，以识别针对COVID-19疫情有效的药物治疗方案。而标准测试则需要花费大量时间，在这个过程中，AI有着显著的效率和速度优势，这是人力可能无法做到的[13]。
5.减少医护人员的工作量
由于在COVID-19疫情期间患者人数突然大量增加，医疗工作人员的工作量也随之激增。在前期诊断和治疗过程中，凭借基于AI和机器学习的自动诊断系统的开发更新，大大减轻了医生的工作量。同时通过非接触的AI监测系统，减少了医护人员与COVID-19患者的接触，从而保护医护人员，减轻医护人员工作压力[13]。
6.疾病预防预测
借助实时数据分析，AI可以提供预防COVID-19疫情的最新信息。借助先前不同时间流行病的指导数据，AI还有助于对未来可能出现的病毒进行有效防范和疾病预防，帮助确定感染病传播的特征，原因和规律，提供预防措施并与许多其他疾病作斗争[13],如加拿大一家专门从事传染性疾病流行病学研究的AI公司(BlueDot公司)，在年12月31日预测到COVID-19的暴发，并发出预警[14]。来自BlueDot的作者们发表的工作表明了数据的多样性和准确性，这些数据可以聚合起来，利用AI做出非常准确的流行病学预测[14]。未来，AI也将在提供更具预测性和预防性的医疗健康方面发挥至关重要的作用[13]。
参考文献
[1]JohnsHopkinsUniversity.CoronavirusCOVID-19(-nCoV)[Internet].[citedMay15].Availablefrom: [2]StevenBernard,DavidBlood,JohnBurn-Murdoch,MaxHarlow,CaleTilford,AleksandraWisniewska,etal.Coronavirustracked:thelatestfiguresasthepandemicspreads[Internet].[citedApr29].Availablefrom: [3]Hale,Thomas,SamWebster,AnnaPetherick,TobyPhillips,andBeatrizKira().OxfordCOVID-19GovernmentResponseTracker,BlavatnikSchoolofGovernment.Datausepolicy:CreativeCommonsAttributionCCBYstandard. [4]FelixKoehler-Rieper,ClaudiusH.F.Roehl,EnricoDeMicheli.AnoveldeterministicforecastmodelforCOVID-19epidemicbasedonasingleordinaryintegro-differentialequation.medRxiv.04.29.doi: [5]ImperialCollegeLondon,UniversityofSussex.Short-termforecastsofCOVID-19deathsinmultiplecountries[Internet].[citedMay16].Availablefrom: [6]LucioV.,AngeloM.,AnnalisaG.etal.AnoutbreakofsevereKawasaki-likediseaseattheItalianepicentreoftheSARS-CoV-2epidemic:anobservationalcohortstudy.Lancet[Internet].May13,;Availablefrom: [7]世界卫生组织.世卫组织发表关于吸烟和冠状病毒病关系的最新声明.Availablefrom: [8]HungIF-N,LungK-C,TsoEY-K,LiuR,ChungTW-H,ChuM-Y,etal.Triple [9]BaiHX,WangR,XiongZ,etal.AIAugmentationofRadiologistPerformanceinDistinguishingCOVID-19fromPneumoniaofOtherEtiologyonChestCT[publishedonlineaheadofprint,Apr27].Radiology.;.doi:10./radiol.
[10]HadiMYassine,ZubairShah.Howcouldartificialintelligenceaidinthefightagainstcoronavirus?[J].TaylorFrancis,(prepublish).
[11]BeckyMcCall.COVID-19andartificialintelligence:protectinghealth-careworkersandcurbingthespread[J].TheLancetDigitalHealth,Vol.2,No.4,e–e
[12]RossC.Incoronavirusresponse,AIisbe [13]VAISHYA,Raju,etal.ArtificialIntelligence(AI)applicationsforCOVID-19pandemic.DiabetesMetabolicSyndrome:ClinicalResearchReviews,.
[14]JustinB.Long,JesseM.Ehrenfeld.TheRoleofAugmentedIntelligence(AI)inDetectingandPreventingtheSpreadofNovelCoronavirus[J].JournalofMedicalSystems()44:59
北京市卫生健康委信息中心
(北京市卫生健康委政策研究中心)
翻译整理
年5月17日
预览时标签不可点转载请注明：http://www.ctongt.com/gbgr/5105.html
