微软 Premonition：像预报天气一样预测流行病
据估计，60％ 至 75％ 的新兴传染病是由于病原体从动物转移至人类所引起，比如寨卡、西尼罗河、登革热以及最近发现的 COVID-19 等等。微软 Premonition 提供了一种先进的预警机制，能彻底改变疾病预防的研究范式——从对已知病原体的被动反应，转为不断主动搜寻，帮助人类及早发现潜在威胁，并在灾难爆发前制定干预措施。
“外面的天气怎么样？”如今我们只需通过智能助手、智能手机或互联网的简单搜索，就可以快速获得答案。事实上，气象预测的背后，是由各地气象站组成的全球传感器网络、高级数据分析工具和现代超级计算机所支撑的。
微软 Premonition 希望利用同样的方式，去预测地球生物群落或者日常生活中的微生物、病毒和携带疾病动物的分布和演进。如果监测生物群落可以像监测天气一样，那么未来人们就能够更早地发现环境中的病原体，并且可以在大流行之前预测疾病的爆发。
▲位于微软雷德蒙园区的 Premonition 项目“防疫试验场”
今天，我们比以往任何时候都更需要新的全球传感器网络，来保护人类自身的健康，以及经济和社会的持续发展。微软 Premonition 项目高级总监 Ethan Jackson 表示：“微软 Premonition 彻底改变了研究的范式，从对已知病原体的被动反应，转向了不断主动搜寻信号，而这些信号可以帮助我们及早发现潜在威胁，更快地做出反应，并在灾难爆发之前制定全新的干预措施。”
▲ 微软 Premonition 项目负责人 Ethan Jackson
微软 Premonition 是一套先进的预警系统。它结合了机器人感知平台、人工智能、预测分析和云规模宏基因组学，可以自动监测蚊子等携带疾病的动物，并自动收集环境样本，然后从基因组层面，通过扫描，来判断是否存在生物威胁。
与天气预报一样，微软 Premonition 的分析也用到了云计算，并且在微软 Azure 云平台上得到了 Azure IoT 和 Azure Data Lake 等最新研究进展的加持。如今，Premonition 项目已经扫描分析了来自环境样本的超过 80 万亿个碱基对，并从这些基因组资料中侦测到了一些生物威胁。
最新发布的微软 Premonition 云（Microsoft Premonition Cloud）借助微软 Azure 云平台对微软 Premonition 项目所收集的数据进行聚合和分析。新服务将在未来几周内通过“抢先体验计划”向社会开放。
“先发制蚊”
预设“寨卡病毒”保护伞
2016 年寨卡病毒首次在美洲出现时，微软团队对新监测方法的研究已有大约一年的时间。于是，研究人员迅速制作了原型机——早期版本的智能陷阱设备，这是一个类似于一栋圆柱形高层公寓的等比例缩小模型，可用于吸引、自主识别和捕获蚊子，从而为公共卫生部门的工作人员提供以前无法获得的数据流。该研究旨在帮助确定这些传播疾病的蚊子出现的时间和地点，以更好地了解寨卡病毒的风险。
美国德克萨斯州休斯敦市所辖的哈里斯县，是 Premonition 项目的最初部署地点，四年后的今天，微软 Premonition 和哈里斯县公共卫生局将进一步扩展合作关系，共建全球最先进的生物威胁侦测网络之一。“它将改变游戏的规则”昆虫学家、约翰·霍普金斯大学分子微生物学和免疫学教授 Douglas E. Norris 这样描述 Premonition 项目的影响。
“我们目前在应对蚊子方面所做的一切都是被动反应，只有当我们看到很多蚊子的时候才会去喷洒大量的灭蚊剂。想象一下，如果有这样一个预测系统，它将会根据已掌握的数据和模型，提前预告你那里几天之内会出现很多蚊子。这样我们就可以在被叮咬之前‘先发制蚊’，提早喷洒灭蚊药物，也就不会出现大量可能导致疾病传播的‘轰炸机群’。无论对于人类还是环境而言，这都是一种更为健康的做法，也是更具成本效益的做法，特别是在 COVID-19 爆发，全球公共卫生部门的人力配备和预算都愈发捉襟见肘的大背景下，这样的做法意义深远。“
Premonition 项目建立在“一体健康”的理念上，它强调“人的健康取决于我们所生活的环境”。秉承这一理念，Premonition 项目能够帮助公共卫生系统更好地衡量干预措施的有效性，以及各种方法的成本。大多数能够影响人类健康、社会和经济状况的事物都很“小”，例如节肢动物——蚊子、壁虱等，以及更小的微生物和病毒，它们的尺寸常常是以毫米、微米乃至纳米为单位。微软 Premonition 的机器人感知平台能够捕获、收集和汇集这些微小且通常貌似不可见的威胁，并分析有关数据。
“我们今天已有的各种传感器网络都无法看到这些重要的物种，例如收集数据、预测天气的网络，收集电网数据实现负载平衡的网络，或是收集交通状况信息进行路况预测的网络等等，”Jackson 说。“我们现在讨论的这些生命形式，对在全球部署的各类传感器而言，基本上都是不可见的。想到这一点，就会感到难以置信，因为我们对周边环境的感知竟然存在一个巨大的盲点。”
更迅速的传染病预警，正在路上
随着微软 Premonition 即将上线，哈里斯县还将建立一个大规模的传感器网络，以提供“连续的生物态势感知能力，”Jackson 说道，“只需调出地图就能实时查看当前情况。当然，在现阶段该系统还无法成为一个能够与天气预报相媲美的预警系统，但是，提前 24 小时的预报已经足够让人们及早规划特定环境的干预措施了。”
哈里斯县公共卫生局执行总监 Umair Shah 博士说：“未来，我们希望可以在哈里斯县全境范围内实现快速、均等地监测和扑灭寨卡等新兴病原体。这项合作还将评估新的基因组分析能力，以便从环境样本中检测已知和新兴的病原体。我们知道，这种能力对于防范像 COVID-19 这样的疾病尤为重要。”公共卫生的未来“取决于创新”——创新的科学、创新的工程学和创新的政策，Shah 博士表示，“我们很高兴能与微软一起继续展开这趟旅程，共同学习。”
Jackson 介绍道，下一步就是要能够预测威胁发生的时间和地点，在时间上不仅是提前 24 小时，还要提前一个月。“要做到这一点，我们将需要对流行病学模型进行重构和重新设计，这样我们就可以告诉哈里斯县‘一个月后这里很可能爆发西尼罗河病毒。’”（西尼罗河病毒是哈里斯县蚊子传播的最主要病毒。）
过去 5 年间，Premonition 项目的技术已经在各种栖息环境中进行过测试，从佛罗里达礁岛的沙地，到非洲坦桑尼亚的偏远森林。Jackson 说，“生物学研究很难，但我们要用正确的方式进行。”科学不能急于求成。
Premonition 系统是在“防疫试验场”里开发出来的，这是一个符合“节肢动物收容等级2（ACL-2）”标准的场所。研究人员可在该场所内饲养野生蚊子，通过数字化的方式描述和观察它们，以便开发识别算法，并对装置设计加以评估。微软雷德蒙园区也是计算、扫描环境样本，以及寻找病原体的中心之一，这些样本由合作伙伴获取及测序。
跨学科、跨领域的创新实践
提前阻止流行病爆发
美国国家科学基金会在颁奖中说道：“Premonition 项目将为人类健康和大流行病预防做出长期贡献。随着深层生物群落数据的成倍增长，生命科学将难以应对海量的基因组信息，人类必须通过融合的手段探求新的方法，才能有效利用这些数据，并自主获取有效信息。”
另外，工业界的合作也至关重要。提起拜耳公司，人们最熟知的或许是它的阿司匹林，但同时，它还是世界领先的农业公司之一。该公司在公共卫生领域也发挥着重要作用——为公共卫生部门提供抑制蚊子滋生的方法。例如，世界卫生组织的数据显示，2018 年全球近一半的人口处于疟疾的风险之中。拜耳与病媒控制领域的其他领先企业合作，致力于在 2040 年之前消灭疟疾。
拜耳公司全球蔬菜种子和环境科学业务总裁 Jacqueline Applegate 表示，Premonition 项目将会让拜耳“以新的方式利用数据、信息工具和资源，这样我们才可以运用更规范、更优化的病媒控制策略，使其发挥最大的影响。随着干预变得越来越准确，我们将可以帮助一些资源受限的国家，腾出手来应对其他公共卫生问题。”
此外，由于新冠疫情，世界各国的病媒控制工作都被迫中断，卫生系统面临巨大压力，因此，拥有生物威胁预测系统比以往任何时候都显得更为重要，Applegate 表示，“任何能够让我们得以防患未然、积极进取地预防疾病的方式，都十分受欢迎。”
革新研究视角，不断“从头开始”
微软 Premonition 的首席硬件架构师 Nicolas Villar 正专注于设计下一代智能陷阱设备。实际上，除了计算机领域的“bug”（漏洞）之外，其他任何类型的“bug”（昆虫）都不属于他的专业所长。在本职工作中，Villar 与其他同事共同负责了 Torino 项目——用于向视力障碍儿童讲授编程基础知识的工具，和 Emma 项目——旨在研究减轻肢体震颤对帕金森病患者影响的平台的开发工作。
▲ 微软首席硬件架构师 Nicolas Villar
Villar 说：“我主要从事交互式技术的研究，就是研究一些与人们接触十分密切，并在不同维度上改变着人们的学习、娱乐或健康方式的东西。学习与生物和昆虫打交道，对我来说是一次全新的尝试。促使我参与该项目的原因之一在于，尽管其中有许多工作是技术性的，但它的影响却是非常人文的。我们正在努力解决人类所面临的真正重大的问题，而其规模之巨大，令人振奋且难以置信。”
Jackson 说，“微软 Premonition 目前的研究视角与我们最初启动这个项目时相比，有着天壤之别。起初，我们提出了一个基本问题：‘我们能否通过蚊子在环境中的流动来了解病原体？’在研究的过程中，我们认识到，当时的技术无法大规模用于生物群落监测。所以我们构建了算法、新的数据驱动模型，并且从头开始搭建测试环境，以训练这些算法和模型——从真实的螺钉和面板到虚拟的云架构。学习需要花费时间和精力，现在我们已能够建立一个网络来监测细小的事物，只有这样才能预测重大的事件。”
进一步了解 Premonition
扫描上方二维码访问
进一步了解有关微软 Premonition
背后的技术详细信息
扫描上方二维码访问
10月28日的北京之约，我们准备了三个你关心的话题等你来 Liao！