林 原 張 樂(lè) 丁 堃 許 侃

(大連理工大學(xué) 大連 116000)

0 引 言

隨著大數(shù)據(jù)時(shí)代的到來(lái)，傳統(tǒng)的技術(shù)管理方法和工具已經(jīng)無(wú)法滿足當(dāng)前的技術(shù)管理需求，技術(shù)管理由傳統(tǒng)的依賴于專家知識(shí)的技術(shù)管理方法開(kāi)始轉(zhuǎn)向以數(shù)據(jù)為核心的技術(shù)分析。技術(shù)相關(guān)數(shù)據(jù)的定量分析的基礎(chǔ)是專利，專利中包含豐富的信息，可以基于大規(guī)模專利文本的分析形成技術(shù)路線圖。目前大多數(shù)定量分析方法都是基于專利標(biāo)題和摘要文本數(shù)據(jù)，通過(guò)TF-IDF等方法獲取相應(yīng)特征向量或者關(guān)鍵詞共現(xiàn)信息對(duì)專利進(jìn)行分析。專利文本中摘要中包含了豐富的信息，包括技術(shù)領(lǐng)域、技術(shù)優(yōu)點(diǎn)、技術(shù)特征等信息。僅僅抽取關(guān)鍵詞進(jìn)行分析會(huì)導(dǎo)致專利語(yǔ)義信息缺失。如何充分利用專利文本信息，并且在盡可能減少對(duì)專家的依賴的情況下構(gòu)建技術(shù)路線圖，對(duì)掌握技術(shù)發(fā)展規(guī)律和發(fā)展趨勢(shì)，合理配置研發(fā)資源，明確研發(fā)目標(biāo)具有重要意義。

1 技術(shù)路線圖

技術(shù)路線圖(Technology Roadmap，TRM)被廣泛地應(yīng)用于企業(yè)以及國(guó)家的技術(shù)發(fā)展規(guī)劃，其研究主體、數(shù)據(jù)來(lái)源、表現(xiàn)形式不斷豐富、完善，技術(shù)路線圖已經(jīng)發(fā)展成為一種公認(rèn)的未來(lái)技術(shù)的研究方法[1]，一種運(yùn)營(yíng)技術(shù)和創(chuàng)新管理的有力工具[2]，以及一套高效的計(jì)劃和溝通工具[3]。本文認(rèn)為技術(shù)路線圖是指：應(yīng)用簡(jiǎn)潔的圖形、描述技術(shù)變化的步驟或技術(shù)相關(guān)環(huán)節(jié)之間的關(guān)系。它能夠幫助使用者明確該領(lǐng)域的發(fā)展方向和實(shí)現(xiàn)目標(biāo)所需的關(guān)鍵技術(shù)。

圖1 技術(shù)演化路徑智能識(shí)別框圖

傳統(tǒng)技術(shù)路線圖的生成依賴專家，自動(dòng)化程度，速度慢成本高。海量數(shù)據(jù)包含大量?jī)?nèi)在關(guān)聯(lián)信息，如何利用是亟待解決的難題。目前技術(shù)演化多是定性的判斷，缺少定量化數(shù)據(jù)支持。隨著計(jì)算機(jī)技術(shù)與數(shù)據(jù)挖掘技術(shù)的發(fā)展，基于定量分析的技術(shù)路線圖開(kāi)始越發(fā)受到重視，并發(fā)展成為與定性分析并列的技術(shù)路線圖方法體系。隨著信息技術(shù)的快速發(fā)展及其在情報(bào)學(xué)領(lǐng)域的廣泛應(yīng)用，技術(shù)路線圖的研發(fā)方法在半自動(dòng)化方法方向上不斷深入。文本挖掘方法能細(xì)致地呈現(xiàn)技術(shù)內(nèi)容，已經(jīng)成為技術(shù)路線圖開(kāi)發(fā)的重要方法。利用文本挖掘?qū)萍嘉谋緝?nèi)容進(jìn)行聚類(lèi)獲得不同層次的技術(shù)主題，同時(shí)使用文獻(xiàn)計(jì)量學(xué)方法統(tǒng)計(jì)技術(shù)對(duì)象的文獻(xiàn)信息，可形成內(nèi)容豐富的技術(shù)路線圖[4]。

眾多的學(xué)者在技術(shù)路線圖如何構(gòu)建技術(shù)方法上嘗試了多種思路。張嶷等提出了基于文獻(xiàn)計(jì)量學(xué)結(jié)合專家知識(shí)的技術(shù)路線圖繪制方法，并嘗試構(gòu)建電動(dòng)汽車(chē)領(lǐng)域的技術(shù)路線圖[5]，但是該方法并沒(méi)有考慮技術(shù)關(guān)鍵詞在文檔中的分布情況。劉彤將多重關(guān)系專利網(wǎng)絡(luò)應(yīng)用到產(chǎn)業(yè)技術(shù)路線圖的構(gòu)建中，并以鋰電池產(chǎn)業(yè)為例進(jìn)行了實(shí)證分析[6]。該方法需要提前了解所研究行業(yè)的基本情況，不利于行業(yè)外的研究人員進(jìn)行研究，適用范圍小。李劍敏等在分析了基于情景分析的產(chǎn)業(yè)技術(shù)路線圖的內(nèi)涵和特點(diǎn)，提出了融合情景分析的產(chǎn)業(yè)技術(shù)路線圖分析框架，但是該方法側(cè)重于定性分析[7]。賀正楚綜合運(yùn)用情景分析法、專利分析法、德?tīng)柗品ǖ榷ㄐ苑椒ǎ蕾噷?duì)文本數(shù)據(jù)的分析和利用，通過(guò)文本挖掘?qū)⒓夹g(shù)關(guān)鍵詞抽取出來(lái)，后續(xù)的工作全部依靠專家進(jìn)行處理[8]。潘小換等本文以文本挖掘?yàn)楹诵?，改進(jìn)了關(guān)鍵詞提取模式，但是對(duì)于文本的使用停留在關(guān)鍵詞級(jí)別，沒(méi)有對(duì)專利語(yǔ)義內(nèi)容進(jìn)行利用[9]。

自然語(yǔ)言處理技術(shù)的進(jìn)步使得充分利用自然語(yǔ)言文本的語(yǔ)義變得可能。目前已經(jīng)有進(jìn)行語(yǔ)義表示的高效算法，并且這些研究經(jīng)常在大規(guī)模文本語(yǔ)料庫(kù)上發(fā)布預(yù)訓(xùn)練模型。以深度學(xué)習(xí)模型BERT[10]為代表的模型取得了較好的文本表示效果。目前技術(shù)路線圖的繪制主要還是依賴定性方法。本文基于對(duì)現(xiàn)有技術(shù)路線圖繪制方法的研究，提出一種基于深度學(xué)習(xí)的技術(shù)路線圖構(gòu)建方法，利用深度預(yù)訓(xùn)練模型BERT輸出的專利文本的表示向量，利用該向量分析專利文本內(nèi)部的語(yǔ)義聯(lián)系，綜合時(shí)間信息衡量專利間演化關(guān)系，構(gòu)建直觀展現(xiàn)技術(shù)領(lǐng)域的整體技術(shù)圖景的技術(shù)路線圖。

2 研究方法與分析框架

本研究基于深度學(xué)習(xí)對(duì)專利本文進(jìn)行向量表示，據(jù)此進(jìn)行專利聚類(lèi)，采用LDA主題分方法進(jìn)行專利聚類(lèi)簇摘要，利用專利簇間語(yǔ)義距離構(gòu)建技術(shù)路線圖。首先根據(jù)研究領(lǐng)域確定檢索式，從專利數(shù)據(jù)庫(kù)獲取研究數(shù)據(jù)，將數(shù)據(jù)結(jié)構(gòu)化用于深度學(xué)習(xí)模型BERT進(jìn)行文本表示。專利文本語(yǔ)義內(nèi)容被BERT表示成向量，使用聚類(lèi)算法尋找專利簇。由于專利簇難以解讀，對(duì)其進(jìn)行摘要是構(gòu)建技術(shù)路線圖內(nèi)容關(guān)鍵一步。同時(shí)應(yīng)用專利簇中的專利文本表示，得出簇間的相似度，根據(jù)時(shí)間關(guān)系得出演化路徑，繪制技術(shù)路線圖。框架圖如圖1所示。

專利文本表示，使用深度學(xué)習(xí)BERT模型對(duì)專利文檔進(jìn)行向量化。同時(shí)使用專利的首個(gè)IPC分類(lèi)號(hào)作為分類(lèi)標(biāo)簽，通過(guò)BERT的專利文本有標(biāo)簽分類(lèi)任務(wù)訓(xùn)練，具體到訓(xùn)練過(guò)程，將IPC分類(lèi)號(hào)具體到小類(lèi)看做同一類(lèi)別，取專利樣本訓(xùn)練BERT模型，更新預(yù)訓(xùn)練模型BERT的最后數(shù)層參數(shù)，即是BERT模型的微調(diào)。由此使BERT融入相關(guān)領(lǐng)域知識(shí)后，得到的文本表示蘊(yùn)含的語(yǔ)義更精確。經(jīng)過(guò)模型的微調(diào)，將專利文本內(nèi)容利用BERT模型轉(zhuǎn)化成專利向量。

基于專利向量的聚類(lèi)，專利文本的語(yǔ)義信息較好的保存在專利向量中，使用向量聚類(lèi)算法進(jìn)行聚類(lèi)。通過(guò)聚類(lèi)算法，將語(yǔ)義相近的專利文本聚到一起。形成專利簇。專利簇主題摘要模型，本文采用余弦相似度衡量專利向量之間的相似性。

(1)

其中x，y代表需要計(jì)算相似度的句向量，由專利文本輸入BERT得到，xi代表向量x的第i維分量，y同理。

對(duì)所有的專利簇，基于專利與專利簇中其他專利相似度總和最大的原則構(gòu)建專利簇中心，通過(guò)不斷去除相似度總和較小的專利直到專利集合的專利數(shù)量等于k。得到相似度總和最大的k個(gè)專利構(gòu)成專利核心集合Rk如公式(2)所示。構(gòu)建技術(shù)路線圖的過(guò)程中，Rk是技術(shù)路線圖的中間節(jié)點(diǎn)，也是技術(shù)路線圖的骨架。通過(guò)專利簇生成的Rk之間的相互關(guān)系確定技術(shù)路線圖。

(2)

依托LDA[11]模型進(jìn)行對(duì)Rk進(jìn)行主題分析，以權(quán)重高的詞項(xiàng)所在的句子為基礎(chǔ)生成專利簇的主題摘要。求各時(shí)間階段Rk之間專利的表示向量的相似度。設(shè)定閾值m，cos相似度大于m認(rèn)為有專利內(nèi)容語(yǔ)義上存在一條演化路徑。對(duì)此專利集合進(jìn)行主題分析，并根據(jù)主題分析結(jié)果選取詞分布概率較高的關(guān)鍵詞，同時(shí)根據(jù)專利信息依據(jù)關(guān)鍵詞形成完整的語(yǔ)言結(jié)構(gòu)。相似度比例指：

(3)

3 以冠狀病毒為例的技術(shù)路線圖實(shí)證研究

2019年，新冠病毒(正式名稱SARS-CoV-2)引發(fā)的新冠肺炎(COVID-19)給世界帶來(lái)廣泛而深遠(yuǎn)的影響，為促進(jìn)我國(guó)冠狀病毒和疫情防控研究的未來(lái)發(fā)展和國(guó)家醫(yī)藥企業(yè)發(fā)展提供參考，采用冠狀病毒相關(guān)數(shù)據(jù)做實(shí)證研究。

3.1冠狀病毒的數(shù)據(jù)下載和分析本文選取涵蓋了全球 100 多個(gè)國(guó)家，40多家專利機(jī)構(gòu)的 1 000 多萬(wàn)發(fā)明專利的德溫特?cái)?shù)據(jù)庫(kù)( Derwent Innovations Index) 作為數(shù)據(jù)源。檢索式：TS = (MERS-CoV or SARS-CoV or COVID-19 or Coronavirus or Coronaviridae)，獲得可用專利3804件，檢索時(shí)間為 2020 年 10月 1 日。以該數(shù)據(jù)集為研究對(duì)象，運(yùn)用專利計(jì)量方法從授權(quán)年、國(guó)家、專利權(quán)人、技術(shù)趨勢(shì)、等方面進(jìn)行統(tǒng)計(jì)分析，以了解冠狀病毒發(fā)展態(tài)勢(shì)，并探索技術(shù)路線圖的時(shí)間劃分。

從全球?qū)＠跈?quán)數(shù)量趨勢(shì)圖2可以看出，冠狀病毒領(lǐng)域?qū)＠跈?quán)數(shù)量總體呈現(xiàn)持續(xù)增長(zhǎng)態(tài)勢(shì)，并可劃為四個(gè)階段：

圖2 冠狀病毒專利數(shù)量增長(zhǎng)態(tài)勢(shì)

第一階段(1975—2002)冠狀病毒領(lǐng)域?qū)＠木徛鲩L(zhǎng)。這一時(shí)間段冠狀病毒剛剛發(fā)現(xiàn)，并未受到重視，在這個(gè)階段冠狀病毒可引發(fā)人類(lèi)輕度上呼吸道感染，如普通感冒和肺炎。

第二階段(2003—2006)冠狀病毒專利授權(quán)量快速增長(zhǎng)。這個(gè)階段，由于2002年底出現(xiàn)SARS，這一時(shí)期專利總量迅速增加，因 SARS 疫情的暴發(fā)，引發(fā)了全球冠狀病毒相關(guān)專利授權(quán)的迅猛增長(zhǎng)。專利數(shù)量在2005年達(dá)到頂峰。在SARS疫情結(jié)束后又迅速回落，事實(shí)上由于病毒的患者的消失，疫苗停止在一期試驗(yàn)階段，并未真正研發(fā)出使用的疫苗[15]。

第三階段(2007—2018)冠狀病毒專利授權(quán)量增長(zhǎng)速度較為緩慢。由于2012年中東呼吸綜合癥冠狀病毒(MERS-CoV)出現(xiàn)專利授權(quán)量又以較快速度增長(zhǎng)。

第四階段(2019—2020)冠狀病毒專利授權(quán)量急速增長(zhǎng)。由于2019年底出現(xiàn)新型冠狀病毒，這一時(shí)期專利總量激增，因新型冠狀病毒造成了全世界范圍內(nèi)的疫情，同時(shí)不能在短時(shí)間內(nèi)消除影響，以致于冠狀病毒授權(quán)專利在一年內(nèi)增加千余件，相當(dāng)于前10年之和。

四個(gè)階段的情況可以反映出冠狀病毒相關(guān)專利的兩個(gè)特點(diǎn)，一是專利增長(zhǎng)的事件驅(qū)動(dòng)情況明顯；二是疫情結(jié)束后病毒的后續(xù)研究不足。專利的大幅增長(zhǎng)來(lái)自于重大疫情出現(xiàn)的驅(qū)動(dòng)。從SARS到MERS，可以看到冠狀病毒的科研工作大多是被動(dòng)的，研究高峰是在疫情之后，但研究不能穩(wěn)定在一個(gè)持續(xù)水平，這就導(dǎo)致面對(duì)新的疫情準(zhǔn)備不充分。

3.2基于深度學(xué)習(xí)的專利文本表示本文基于深度學(xué)習(xí)的BERT模型對(duì)專利標(biāo)題與摘要部分的用途和優(yōu)點(diǎn)部分組合的文本進(jìn)行向量表示，充分利用專利文本語(yǔ)義將其轉(zhuǎn)化成一個(gè)768維的向量。并使用主成分分析法(PCA，Principal Component Analysis)[12]將向量降維到64維，便于后續(xù)的聚類(lèi)以及語(yǔ)義相似度計(jì)算。

3.3專利表示聚類(lèi)及T-SNE可視化本文采用BIRCH[13]算法，譜聚類(lèi)算法，K-means[14]算法進(jìn)行聚類(lèi)，并比較各種聚類(lèi)結(jié)果。采用可視化技術(shù)去除數(shù)據(jù)中的異常值，進(jìn)行數(shù)據(jù)清洗，直觀的呈現(xiàn)數(shù)據(jù)聚類(lèi)的效果。為了觀測(cè)聚類(lèi)效果，使用T-SNE[15]降維到3維進(jìn)行可視化。聚類(lèi)效果使用Calinski-Harabaz[16]分?jǐn)?shù)評(píng)價(jià)，分?jǐn)?shù)越高表示類(lèi)別內(nèi)部數(shù)據(jù)的協(xié)方差越小越好，類(lèi)別之間的協(xié)方差越大越好，聚類(lèi)的結(jié)果也就更好。三種算法的評(píng)價(jià)分?jǐn)?shù)分別為62.81，19.32和116.96最終K-means算法進(jìn)行聚類(lèi)的效果類(lèi)間距最大，同時(shí)類(lèi)內(nèi)間距最小。異常點(diǎn)在聚簇摘要的過(guò)程中可能很大程度上影響整體的結(jié)果，為了得到更好的效果，借助文本表示聚類(lèi)圖對(duì)數(shù)據(jù)進(jìn)行清洗。基于K-means算法根據(jù)專利簇間距和包含專利的數(shù)量動(dòng)態(tài)設(shè)置聚類(lèi)類(lèi)別數(shù)。

3.4冠狀病毒技術(shù)路線圖構(gòu)建對(duì)于四個(gè)時(shí)間段的技術(shù)相似度進(jìn)行計(jì)算，即專利簇R之間相似度，設(shè)定閾值m=0.5。對(duì)所有的專利簇，設(shè)置k=10，將取專利簇中心的前10個(gè)專利代表專利簇。根據(jù)專利簇之間的定量分析，繪制技術(shù)演化路徑如圖3所示。圖3根據(jù)聚類(lèi)結(jié)果顯示各個(gè)時(shí)間段內(nèi)的專利簇，并以此為基礎(chǔ)采用公式(2)、(3)計(jì)算各個(gè)時(shí)間段間的技術(shù)關(guān)聯(lián)程度，設(shè)置n=0.2，并在圖3中進(jìn)行了標(biāo)注。

圖3 冠狀病毒領(lǐng)域技術(shù)演化路徑

圖3中條帶表示專利簇的聯(lián)系，條帶中數(shù)字表示對(duì)應(yīng)技術(shù)簇之間的相似度與公式Similarity對(duì)應(yīng)，用于衡量相似程度，得到的技術(shù)路線圖3，為了方便觀察，基于上述定量分析的結(jié)果結(jié)合時(shí)間信息構(gòu)建的技術(shù)路線圖如圖4所示。圖4中，根據(jù)專利用途可以將專利劃分到四個(gè)基本的類(lèi)中，冠狀病毒檢測(cè)方法，免疫調(diào)節(jié)，病毒抑制劑，冠狀病毒疫苗和醫(yī)療設(shè)備。

圖4 冠狀病毒領(lǐng)域技術(shù)路線圖

疫苗研發(fā)：指生產(chǎn)，制備疫苗的相關(guān)專利。2003年-2006年間，SARS病毒暴發(fā)的時(shí)期，出現(xiàn)了SARS相關(guān)的疫苗專利，然而由于SARS病毒的被迅速防治，疫苗停留在試驗(yàn)階段。2010-2019年間，MERS病毒時(shí)期未有可使用的疫苗產(chǎn)生。在2020年，截至10月1日有新冠相關(guān)的疫苗專利20余條，技術(shù)路線圖顯示，原因有兩方面：一是疫苗研究斷檔，長(zhǎng)期以來(lái)依賴特效藥。導(dǎo)致有甚至世界上有許多人對(duì)疫苗持反對(duì)態(tài)度。二是新冠的疫苗需要大量的時(shí)間研制和試驗(yàn)疫苗的有效性。

檢測(cè)方法：檢測(cè)冠狀病毒主要針對(duì)病毒的特異性RNA片段檢測(cè)。從技術(shù)路線圖中可以發(fā)現(xiàn)：各個(gè)時(shí)期關(guān)于病毒檢測(cè)的專利數(shù)量始終相對(duì)較高，保持了良好的一慣性，技術(shù)內(nèi)容也均是關(guān)于特異性引物和相應(yīng)探針?？梢钥闯觯《緳z測(cè)技術(shù)經(jīng)過(guò)幾個(gè)階段的積累已經(jīng)比較成熟，為病毒檢測(cè)試劑的生產(chǎn)節(jié)約了寶貴的時(shí)間。

免疫調(diào)節(jié)：棘狀蛋白在數(shù)量排名靠前，是新冠病毒藥物設(shè)計(jì)的核心。棘狀蛋白是冠狀病毒與其他病毒主要的形態(tài)特征區(qū)別方式。對(duì)棘狀蛋白的研究和開(kāi)發(fā)是目前免疫調(diào)節(jié)的研究熱點(diǎn)和重點(diǎn)。

新型藥物：藥物治療是一個(gè)最常規(guī)的手段，主要以病毒抑制劑為主。從圖中可以發(fā)現(xiàn)，1975-2019年中大多是廣譜抗病毒藥物，2020年那些廣譜抗病毒藥物不見(jiàn)身影，更多的是一些和冠狀病毒特異性蛋白相關(guān)的藥物。藥物靶向性比以往都要清晰，更加有針對(duì)性。同時(shí)中藥相關(guān)專利也大量增加，體現(xiàn)了中藥在新時(shí)代任然具有相當(dāng)?shù)纳ΑＤ竟系鞍酌笜拥鞍酌冈诩夹g(shù)路線圖中地位突出，是新冠病毒藥物設(shè)計(jì)的核心。

醫(yī)療設(shè)備：2020年的冠狀病毒相關(guān)專利與之前的最大不同是數(shù)信息設(shè)備和防疫儀器了。呼吸面罩、呼吸機(jī)、用于移動(dòng)監(jiān)測(cè)的手機(jī)應(yīng)用程序、人臉識(shí)別認(rèn)證以及實(shí)時(shí)監(jiān)控人口流動(dòng)的疫情監(jiān)測(cè)系統(tǒng)相關(guān)專利大量出現(xiàn)。信息技術(shù)、互聯(lián)網(wǎng)技術(shù)和人工智能融入日常生活，最大限度的保持正常生活的同時(shí)，保護(hù)人們不受病毒的侵害。

4 總 結(jié)

本研究從專利角度出發(fā)，為解決傳統(tǒng)方法對(duì)文本數(shù)據(jù)的使用粒度大，不能夠很好的利用語(yǔ)義關(guān)聯(lián)的缺陷。融合深度學(xué)習(xí)方法，借助在技術(shù)文本上利用IPC微調(diào)過(guò)的深度學(xué)習(xí)模型BERT，使用自然語(yǔ)言處理技術(shù)將專利文本映射成語(yǔ)義表示，充分利用專利文本信息。為構(gòu)建技術(shù)路線圖，使用PCA和T-SNE等降維可視化技術(shù)，比較聚類(lèi)算法以及清洗數(shù)據(jù)。通過(guò)合適的聚類(lèi)算法，確定專利數(shù)據(jù)中的技術(shù)集合，得到領(lǐng)域中技術(shù)概念的專利實(shí)體。利用文本摘要算法，挖掘相關(guān)專利文本語(yǔ)義和聯(lián)系，從而追蹤該技術(shù)領(lǐng)域發(fā)展的核心主題、構(gòu)建技術(shù)路線圖。構(gòu)建技術(shù)路線圖有助于展現(xiàn)全球特定技術(shù)領(lǐng)域內(nèi)研究的技術(shù)研發(fā)態(tài)勢(shì)，思考在過(guò)去的研究上的傳承與發(fā)展。通過(guò)對(duì)冠狀病毒相關(guān)專利的實(shí)證研究，依托冠狀病毒的技術(shù)路線圖的結(jié)論，很好的體現(xiàn)了了深度學(xué)習(xí)在專利文本語(yǔ)義表示上的有效性和強(qiáng)大生命力。同時(shí)也表明，技術(shù)路線圖在技術(shù)管理中發(fā)揮更加廣泛而深遠(yuǎn)影響。通過(guò)冠狀病毒領(lǐng)域的技術(shù)路線圖研究揭示了以下問(wèn)題。

冠狀病毒研究是事件驅(qū)動(dòng)式的，可以看到冠狀病毒的科研工作大多是被動(dòng)的。相關(guān)專利在SARS時(shí)期有過(guò)高速增長(zhǎng)，然而隨著最后一例SARS病毒患者康復(fù)，SARS病毒疫苗的研制停留在一期試驗(yàn)的階段。該領(lǐng)域的研究隨著病毒的暴發(fā)而興起又隨著病毒的消亡而停止。MERS時(shí)期廣譜抗病毒藥物無(wú)能為力未引起重視。如果在SARS階段能夠研發(fā)出疫苗，或者針對(duì)冠狀病毒研發(fā)出特效藥，人類(lèi)對(duì)冠狀病毒的了解也會(huì)相應(yīng)加深，此時(shí)此刻疫情帶來(lái)的損失也會(huì)大幅度降低。

病毒的“黑船”效應(yīng)。在病毒暴發(fā)初期，認(rèn)為新冠病毒的危害與流感病毒相近，理所當(dāng)然相信那些廣譜抗病毒藥物。然而事實(shí)上，這一次沒(méi)有特效藥。新冠病毒是自然界不斷變化的結(jié)果，是對(duì)保守傳統(tǒng)的理念的一次無(wú)情重?fù)?。依賴廣譜扛病毒藥物無(wú)疑是一種懶惰，放棄了針對(duì)性的研究同時(shí)也是放棄了溝通自然界。當(dāng)人們?cè)?jīng)依靠的藥物已然成為安慰劑時(shí)，猛然發(fā)現(xiàn)針對(duì)冠狀病毒的特異性藥物和疫苗都經(jīng)驗(yàn)甚少。如1853年黑船“突然”出現(xiàn)在東京灣一樣，目前人類(lèi)社會(huì)對(duì)自然界非人的那部分知之甚少，新冠病毒的出現(xiàn)是如此的突然，以致讓世界措手不及。

針對(duì)本文構(gòu)建的冠狀病毒領(lǐng)域技術(shù)路線圖進(jìn)行研究所發(fā)現(xiàn)的問(wèn)題，為建立重大疫情防治體制，健全國(guó)家公共衛(wèi)生應(yīng)急管理體系，提出以下幾點(diǎn)建議：

a.組建一支常備軍，對(duì)病毒的疫苗進(jìn)行長(zhǎng)期攻關(guān)，針對(duì)醫(yī)藥領(lǐng)域研究前沿和熱點(diǎn)問(wèn)題，有規(guī)劃地建立系統(tǒng)開(kāi)放的研究團(tuán)隊(duì)，組織技術(shù)培訓(xùn)，健全人才培養(yǎng)制度，帶動(dòng)我國(guó)醫(yī)藥領(lǐng)域創(chuàng)新藥研究的整體發(fā)展。有計(jì)劃的建立一批又較強(qiáng)研發(fā)能力的企業(yè)承擔(dān)相應(yīng)的責(zé)任。對(duì)疾病形態(tài)、結(jié)構(gòu)、生物學(xué)特性以及起源，進(jìn)行深入研究，保存符合臨床級(jí)標(biāo)準(zhǔn)并可用于試驗(yàn)的毒株；進(jìn)一步推進(jìn)基礎(chǔ)研究進(jìn)入臨床試驗(yàn)，解決基礎(chǔ)研究與臨床研究間的鴻溝，促進(jìn)醫(yī)藥的創(chuàng)新發(fā)展。

b.堅(jiān)持人與自然和諧共生，保持與自然界緊密聯(lián)系。冠狀病毒誕生于自然界。雖然病毒令人類(lèi)社會(huì)遭受了巨大損失，但也給與了重要啟示——人類(lèi)社會(huì)需要的更加了解自然界，溝通自然界。所以應(yīng)建立起一批常駐的自然動(dòng)物病毒檢測(cè)團(tuán)隊(duì)，針對(duì)自然界中動(dòng)物生存進(jìn)行觀察和定期檢測(cè)，提早發(fā)現(xiàn)自然界重大生物災(zāi)害可能性。

c.加速信息技術(shù)融合，同時(shí)由于互聯(lián)網(wǎng)時(shí)代的來(lái)臨，大量移動(dòng)監(jiān)測(cè)設(shè)備和移動(dòng)應(yīng)用程序應(yīng)運(yùn)而生。不得不說(shuō)這是之前的任何一個(gè)時(shí)期都沒(méi)有出現(xiàn)的新現(xiàn)象。在尚無(wú)特效藥的現(xiàn)在，對(duì)呼吸機(jī)的數(shù)量和質(zhì)量要求隨著疫情的加劇迅猛增長(zhǎng)。加強(qiáng)疫情的信息化監(jiān)控和管理，對(duì)人員流動(dòng)軌跡利用互聯(lián)網(wǎng)技術(shù)跟蹤。將互聯(lián)網(wǎng)時(shí)代、大數(shù)據(jù)時(shí)代的技術(shù)優(yōu)勢(shì)應(yīng)用于疫情檢測(cè)、檢查、監(jiān)控、和治療無(wú)疑是最高效和經(jīng)濟(jì)的應(yīng)對(duì)方法。