當(dāng)下一場變異性流感等流行病大規(guī)模爆發(fā)之前，通過周圍的大數(shù)據(jù)監(jiān)測和預(yù)測周邊疫情動態(tài)，人們再也不必恐慌和擔(dān)心被傳染，早就有相應(yīng)提示及時應(yīng)對預(yù)防；而與此密切相關(guān)的醫(yī)療行業(yè)，可以及時獲悉疾病爆發(fā)趨勢，合理分配和部署好醫(yī)務(wù)人員，同時提醒和建議市民預(yù)防疫病，降低人們?nèi)静茁?hellip;…

這一幕將不僅僅只出現(xiàn)在好萊塢的科技大片里。事實上，未來真正的大數(shù)據(jù)積累應(yīng)該是可以提前預(yù)測人的疾病情況，因為疾病不是一天出現(xiàn)的，而是天長日久累計出來的，各種數(shù)據(jù)一定發(fā)生變化。所以在大數(shù)據(jù)之上的慢數(shù)據(jù)才是真正有價值的，那么，究竟大數(shù)據(jù)和慢數(shù)據(jù)會對我們的生活產(chǎn)生什么樣的影響呢?

挖掘“慢數(shù)據(jù)”的價值

現(xiàn)在每天產(chǎn)生大量數(shù)據(jù)，但很多是沒有價值的數(shù)據(jù)，這些數(shù)據(jù)沒有顯示出足夠的威力。縱觀相關(guān)行業(yè)里，醫(yī)療行業(yè)尤其是流行病的疾控和預(yù)警是表現(xiàn)最為明顯的也是最需要急切的，因為健康和每個人、每個家庭、每個城市、每個國家都息息相關(guān)。

例如我們每天刷牙，如果能夠通過牙刷等人工智能設(shè)備收集唾液的一些樣本，通過體溫等指標(biāo)這樣的“慢數(shù)據(jù)”才具有醫(yī)學(xué)和參考價值。醫(yī)學(xué)領(lǐng)域“生理數(shù)據(jù)”比“物理數(shù)據(jù)”更有實用價值。

疾控現(xiàn)狀：

由于現(xiàn)代醫(yī)學(xué)技術(shù)的高度發(fā)達(dá)和迅猛發(fā)展，在大多數(shù)人心里，大規(guī)模流行病的發(fā)生好像是很遙遠(yuǎn)的事。但事實證明，它從不曾離我們遠(yuǎn)去。

據(jù)世界衛(wèi)生組織數(shù)據(jù)，在2009年發(fā)生的那場H1N1流感(國內(nèi)又稱豬流感)里，全球造成至少12220人死亡，一周內(nèi)新增死亡人數(shù)704人，全球股市因此下跌10%左右。

有數(shù)據(jù)顯示，在全球，隨著人口增長和日益加快的城市化進(jìn)程致使數(shù)億人居住環(huán)境衛(wèi)生惡化，疾病隨著人口的增長以及人們向擁擠的城市遷移而肆虐。容易在人群中傳播的疾病如流感都容易在城市中流行。

在這其中，中國是表現(xiàn)最為明顯的國家之一，由于人口眾多，隨著經(jīng)濟(jì)的發(fā)展，人員跨區(qū)域流動性加大、城市化加劇、城市人口密度增加、結(jié)構(gòu)變化等都加劇了流行病發(fā)生、傳播、蔓延的幾率及傳播速度。同時科學(xué)技術(shù)的進(jìn)步、醫(yī)療手段的提高、抗生藥物等廣泛使用，也加速了病毒、細(xì)菌等病原體的擴(kuò)散、變異和進(jìn)化，出現(xiàn)一系列新的致命新病原體感染傳播。

過去十多年發(fā)生的各種大規(guī)模流行病歷歷在目：SARS、甲型H1N1流感、手足口病、H7N9禽流感等，幾乎每隔一段時間，流行病就會以不同的形式卷土重來一次。

去年衛(wèi)生部發(fā)言人就曾提到：“中國面臨傳統(tǒng)流行病威脅持續(xù)存在、新發(fā)流行病不斷出現(xiàn)的嚴(yán)峻形勢。”基于原有監(jiān)控系統(tǒng)和流程的衛(wèi)生防疫系統(tǒng)已經(jīng)有些力不從心跟不上節(jié)奏，基于互聯(lián)網(wǎng)大數(shù)據(jù)的流行病監(jiān)測就變得非常重要且非常緊迫。

美國管理咨詢公司麥肯錫全球研究院(MGI)預(yù)測，如果美國的醫(yī)療行業(yè)能夠有效利用不斷增長的大數(shù)據(jù)來提高效率和質(zhì)量，那么每年可創(chuàng)造超過3000億美元的額外價值，可以挽救無數(shù)本可不應(yīng)該失去的生命。

如何監(jiān)控預(yù)防：

我們應(yīng)該如何利用現(xiàn)代科技和互聯(lián)網(wǎng)技術(shù)避免下一場H1N1的發(fā)生呢?大數(shù)據(jù)可以做到嗎?

首先發(fā)現(xiàn)：在基于海量使用用戶搜索、社交app、LBS等產(chǎn)生的大數(shù)據(jù)，還有用戶人口統(tǒng)計學(xué)等數(shù)據(jù)，結(jié)合原有疾病監(jiān)控系統(tǒng)中的流行疾病法定報告數(shù)據(jù)、流行疾病病例，結(jié)合疾病、環(huán)境數(shù)據(jù)，及時發(fā)現(xiàn)并繪制出流行病風(fēng)險地圖。

比如，國內(nèi)H1N1最早發(fā)現(xiàn)于廣東地區(qū)，當(dāng)這個地區(qū)搜索發(fā)熱等關(guān)鍵詞超過一定數(shù)量時，結(jié)合醫(yī)院和疾控中心的流行病監(jiān)控等數(shù)據(jù)，就能很快發(fā)現(xiàn)并定位新的流行病的發(fā)生及相關(guān)情況評估。

確定情況：在基于搜索數(shù)據(jù)和LBS數(shù)據(jù)，分析不同時空尺度人口流動性、移動模式和參數(shù)進(jìn)一步結(jié)合病原學(xué)、人口統(tǒng)計學(xué)、地理、氣象和人群移動遷徙、地域之間等因素和信息，建立流行病時空傳播模型，確定流感等流行病在各流行區(qū)域間傳播的時空路線和規(guī)律，得到更加準(zhǔn)確的態(tài)勢評估、預(yù)測。

同時機(jī)器學(xué)習(xí)(machine learning)和人工智能等技術(shù)的發(fā)展，促進(jìn)了流行病監(jiān)測、傳播動力學(xué)研究和風(fēng)險評估，并成為傳統(tǒng)分析方式的有效增強(qiáng)和升級，更加準(zhǔn)確的判斷下一場流行病的發(fā)生區(qū)域等信息。

預(yù)警及應(yīng)對：結(jié)合LBS、社交app相關(guān)信息，從更加微觀尺度上更加精準(zhǔn)的進(jìn)行流行病監(jiān)測和預(yù)測，同時通過權(quán)威途徑及時告知流行病的發(fā)展?fàn)顩r和預(yù)防措施，讓用戶了解周邊流行病活動真實情況，為生活提供可信參考，避免傳謠信謠，以便及時采取疫苗接種等預(yù)防措施。公共衛(wèi)生、醫(yī)療機(jī)構(gòu)、衛(wèi)生行政部門人員將更容易獲取各類疾病發(fā)生風(fēng)險的動態(tài)分析結(jié)果，促進(jìn)醫(yī)療人員、疫苗等資源優(yōu)化和配置，有力的阻擊病毒和事態(tài)的進(jìn)一步惡化和擴(kuò)撒，成功的避免下一次大規(guī)模的流行病的發(fā)生。

著名的《大數(shù)據(jù)時代》(維克托·邁爾-舍恩伯格、肯尼思·庫克耶著)里就記載了谷歌怎么用大數(shù)據(jù)來預(yù)測病毒爆發(fā)的：2009年爆發(fā)了新的流感病毒，如果按照原有處理流程是這樣的：醫(yī)生發(fā)現(xiàn)病例——報告疾控中心——公共衛(wèi)生專家分析信息——采取應(yīng)對措施，但是在這個流程中會存在信息和數(shù)據(jù)滯后，這種滯后導(dǎo)致公共衛(wèi)生機(jī)構(gòu)在疫情爆發(fā)的關(guān)鍵時期反而無所適從。

谷歌通過建立在大數(shù)據(jù)的基礎(chǔ)上完美的解決了這個問題，它通過觀察人們在網(wǎng)上的搜索記錄來完成這個預(yù)測，它保存了多年來所有的搜索記錄，而且每天都會收到來自全球超過30億條的搜索指令，如此龐大的數(shù)據(jù)資源足以支撐和幫助它完成這項工作。通過對海量數(shù)據(jù)進(jìn)行分析，獲得以一種前所未有的方式，通過對海量數(shù)據(jù)進(jìn)行分析，獲得有巨大價值的產(chǎn)品和服務(wù)，或深刻的洞見。這就是大數(shù)據(jù)的力量和魅力。

相信隨著大數(shù)據(jù)和慢數(shù)據(jù)挖掘、人工智能技術(shù)的發(fā)展，成功預(yù)測并避免下一次瘟疫不再是夢想!