机器之心发布
机器之心编辑部

关闭学校、关闭工作场所、取消公共活动、限制人群聚集、公共交通管制、居家生活建议、限制国内流动、限制国际旅行…… 到底哪项政策防疫效果更好？钟南山团队与腾讯的联合研究发现了其中的 Top 3 。

文章图片

日前 ， 钟南山院士团队与腾讯公司披露了一项利用大数据与人工智能技术 ， 定量评估不同公共防控政策对新冠疫情控制效果的研究 。 研究团队开发了一种新的反事实推理模型框架 ， 通过引入隐含交互因子项 ， 最大程度排除了随时间变化的混杂因素的影响 ， 对包含 145 个国家和地区、8 种公共防控政策的动态数据 ， 进行更加准确 ， 且符合真实世界运转的量化分析 。
研究结果表明 ， 更快、更精准地实施疫情防控 ， 才能有效遏制新冠肺炎疫情的发展 。 这也是新冠防控领域首次引入该技术进行研究 。
这项研究成果已在国际著名医学期刊 Value in Health（《健康价值》）刊出 ， 题为《Quantifying the Effect of Public Activity Intervention Policies on COVID-19 Pandemic Containment Using Epidemiologic Data From 145 Countries》 。

文章图片

论文链接：https://www.sciencedirect.com/science/article/pii/S1098301521017940
据了解 ， 广州呼吸健康研究院院长何建行和腾讯健康副总裁吴文达为该论文共同通讯作者 ， 钟南山院士为指导作者 ， 广州呼吸健康研究院的梁文华教授、杨子峰教授、曾志奇博士 ， 以及腾讯天衍实验室的孙继超博士、郑冶枫博士为这项新研究的共同第一作者 。 这也是继去年 2 月 ， 钟南山院士团队与腾讯公司共同成立大数据及人工智能联合实验室 ， 双方在抗击新冠肺炎疫情上的最新研究成果 。 此前 ， 双方还联合研发了新冠重症 AI 预测系统 ， 有助于合理地为新冠患者进行早期分诊 。
“反事实推理模型”：一个基于反事实逻辑设计的算法模型
这项研究中使用的 “反事实推理模型框架” 是 2021 年 7 月由 MIT 和斯坦福大学提出的一种基于机器学习的因果分析模型架构 ， 最初应用于经济促进政策分析（如减税对 GDP 增长的影响） 。 该模型使用了反事实逻辑进行算法设计 ， 表现为假设 “如果没有…… 就会（不会)……” ， 通常在公共管理领域用来评估政策影响 。 以房价控制政策为例 ， 原本 A、B、C 三地房价因为受到温和通胀影响 ， 会按照规律上涨 ， 但突然 A 地限购了 ， 要计算限购的影响 ， 就要将“如果不限购其未来房价数据” 与“实际限购房价的数据”进行比较 ， 得到的差值就是对限购政策影响的评估值 。
对本研究而言 ， 简单的理解就是 ， 先用一套机器学习模型 ， 基于所有国家在所有未实施管控政策时的数据构建病毒有效传播数 R_t 的拟合模型 ， 用 “反事实推理模型框架” 来预测某地如果不采取防控措施下（反事实）病毒有效传播数 R_t’值 ， 以及该地实施防控措施后的病毒有效传播数 R_t 真实数据 ， 通过计算两个数据的差值的期望值 ， 得到该防控措施的平均效应值 。
但在实际操作中 ， 腾讯天衍实验室的科学家们对原模型进行了更符合 “新冠疫情防控政策” 评估的优化改进（模型公式如图） ， 通过融合多种传统面板数据的因果推断模型 ， 包含双效固定效应模型、矩阵补全模型等 ， 并隐式地引入潜在因子交互项 ， 使其在复杂场景下能满足统计学的先验假设 ， 对于像新冠疫情这样随时间变化的动态数据 ， 能够进行更有效的量化研究 ， 这也是研究者在新冠疫情防控研究开发并引入该模型框架的主要原因 。