新冠肺炎蔓延，目前，全球已經有超過204,000人確診感染新型冠狀病毒，死亡人數超8200人。不同的人正在用不同的方式應對這次疫情。而計算機科學家和機器學習研究人員正在以他們知道的方式來應對這種流行病：編譯數據集，並構建從中學習的算法。

谷歌的數據科學競賽平台Kaggle上已經有一個COVID-19病例數據集，並且每天都會更新。這些數據是可靠的，包括患者年齡、位置、開始出現症狀的時間、暴露的時間、進入醫院的時間等等。超過400人在自己的分析中使用了這些數據。

蒙特利爾大學的一位研究人員收集並公佈了一個數據庫，其中包括數十個CT掃描和胸部X光圖像。這些圖片是從公開的疾病研究中獲取的。

約翰·霍普金斯大學建立了一個令人印象深刻的dashboard，它包含了來源可靠的數據，並定期更新，讓全世界看到了疾病的傳播和死亡率。GitHub上提供了可以復制和修改的代碼。

其他數據集直接來自治療患者的醫院，醫院已迅速嘗試改變機器學習模型，以幫助醫生尋找疾病的徵兆。

以下是其中一些論文：

論文地址：https://arxiv.org/abs/2003.04655v2

論文題目：深度學習對CT圖像中COVID-19的肺部感染定量研究

上海研究人員設計了一種系統，伴隨著人工檢查，該系統可以將CT圖像的分析時間從數小時減少到大約4分鐘。

論文地址：https://arxiv.org/abs/2003.05037v1

論文題目：冠狀病毒（COVID-19）大流行的快速AI開發週期：使用深度學習CT圖像分析進行自動檢測和患者監測的初步結果

該論文還聲稱可以檢測到COVID-19的存在，而且還可以可視化病毒對肺部的影響，以跟踪疾病隨時間的進展。

論文地址：https://arxiv.org/abs/2002.05534v1

論文題目：異常的呼吸模式分類器可能有助於以準確無阻礙的方式大規模篩查COVID-19感染者

在這裡，研究人員通過分析人的呼吸速度，尋找一種篩查COVID-19的聽覺方法。這項研究還沒有定論，但它是一種以較少侵入性方式測試病毒的新思路。

論文地址：https://arxiv.org/ftp/arxiv/papers/2002/2002.09334.pdf

論文題目：深度學習系統篩查2019新冠肺炎

這項工作試圖將COVID-19患者所患的肺炎與普通流感區分開。

論文地址：

https://www.medrxiv.org/content/10.1101/2020.02.27.20028027v2.full.pdf

論文題目：使用以下三種臨床特徵預測重度Covid-19感染患者的危重程度：基於機器學習的武漢市臨床數據預測模型

研究人員利用來自武漢的近3,000例患者的電子健康記錄，構建了一種算法，該算法預測重症患者生存機率的準確率超過90%。