論大數據背景下的疫情防治

趙鵬 張沐欣 張碩

摘 要：一場突如其來的疫情拉開了2020年的序幕，疫情之下，不僅僅有醫務工作者，基層服務人員等一線工作人員為我們保駕護航，還有大數據庫所構建起的數據網絡在抵御著疫情的侵襲，控制著疫情的擴散，在數據信息爆炸式增長的如今，本文將淺談當疫情發生時，數據將如何更好地賦能效用。

關鍵詞：大數據;新冠肺炎疫情;人工智能

每日網上沖浪時所關注的包含著新冠肺炎患者的數量、增減趨勢，患者地區分布，境內、外輸入病例等信息的疫情數據實時報告，便是數據之于疫情，之于我們最直觀的體現，那么此次疫情過后，數據將會怎么更好地為我們服務呢？

本文以醫療與城市治理兩個方面展開論述。疫情期間，不少地區城市，牢牢把握起疫情防控中的這一“利器”，注重大數據思維和手段助力治理能力的提升，逐步完善城市公共衛生環境精細化治理機制，建立起專業化、標準化、智能化、多元化城市社會基層治理架構，為建立數據城市積累了初具特色的經驗和做法;另一方面，數據信息的爆炸式增長亦包括醫療信息數據的不斷積累，且隨著計算機算法的優化、學習能力的加強，數據將更好地應用在人工智能與醫療領域的深度融合。

1 數據匯總分析，拉響疫情警報，控制疫情發展

本次新冠疫情于2019年末源自武漢華南海鮮市場，并迅速發展成為了全球性難題，其迅猛發展與疫情初期政府醫院的重視程度低有著密切的聯系，政府之所以沒有提前防控與對病情的錯誤評估以及缺少精準預判密切相關，因此，未來要格外重視數據的即時與共享，為人工智能輔助醫療的發展不斷“充電”，推動人工智能在疫情突發上發揮更大的作用，做好疫情確定、預判流量，及時拉響疫情警報，防患于未然。

數據共享，政府、企業、個人實現全方位協作，政府推動數據庫不斷完善，打破數據壟斷，企業之間加強數據共享，協作研發人工智能輔助醫療產品，推動居民信息實時全方面更新，才可建立起智能、立體、主動式的傳染疾病防控預警體系。數據庫內不僅僅包含了電子健康檔案、電子病歷、全員人口庫等3大數據庫，而且匯總了實時患者數據、居民信息、氣候數據、全球流行傳染病數據、牲畜以及野生動物數據，一旦在數據庫內出現了多例類似癥狀，將患者的居住信息、活動信息、氣候狀況以及牲畜和野生動物等相關信息相連接分析，迅速判斷是否存在疫情，是疫情還是流感還是普通的感冒，若存在疫情，便迅速定位疫情出現的地點，即刻封鎖，并根據疫情所發生的地點和居住工作的人員進行相關追蹤，監測其近期身體狀況并且提醒其做好防護工作前往醫院就診。但如何根據有限的數據迅速準確確定疫情的發生與否及相應對策是值得思考的地方。

在疫情出現初期便可做到及時判斷、監測傳染病疾病類型、疾病來源、疫情集中地點等基礎信息，提出預防預警信息以及預警登記，并通過深一步數據分析，推斷疫情的傳播途徑，從宏觀上根據人員流動情況判斷疫情人數及分布范圍，拉響全城疫情警報。并進一步推動政府做好疫情評估，提高決策質量，提前做好物資、床位、人員的配備，設置最優的資源配備方案，防止高風險區因資源缺乏而造成的患者喪生以及低風險區過度配備而造成的資源浪費，以期通過有限的醫療資源實現最大程度的醫療配備，減少疾病的傳播。

2 數據收集，機器學習，助力疾病源頭找尋、疾病診斷、藥物研發

醫藥大數據作用的發揮主要依托于人工智能，依托于數據的不斷積累，近年來人工智能也得以迅速發展，人工智能與醫療領域融合程度逐漸加深，體現在了醫院與科研的方方面面，如智能閱片系統、智能導診機器人、手術機器人以及藥物研發系統等人工智能。

通過數據收集，智能閱片系統將掌握診斷疫情的要點且效率極高，能夠迅速提高疫情背景下醫療資源緊張的社會的整體診斷效率。只需要通過數據錄入，進行快速深度學習，閱片系統便可迅速掌握新冠肺炎的閱片要點，并根據新版手冊實時更新，經由智能閱片系統進行閱片的速度可達幾秒鐘兩三百副胸片，準確率可達95%以上。

病源尋找方面，通過數據提高全基因組測序（WGS）以及機器學習的工作能力，分析基因，尋找疫情的致病因素，分析疾病源頭，抑制疫情擴散。科學家可以通過龐大的數據樣本，收集DNA樣本，進行全基因組測序，即對未知基因組序列的物種進行個體的基因組測序，分離出病毒，確立潛在的干預方案。

新藥研發方面，隨著醫藥數據的不斷積累及計算性能的不斷提高，數據主要應用在藥物研發中的藥物靶點識別、活性化合物篩選、蛋白結構預測及蛋白配體相互作用等方面，然而其新冠肺炎疫苗的研發依然艱難重重。

結語

隨著大數據庫的不斷完善積累以及計算性能的不斷提高，數據經由人工智能而在醫療領域的應用場景愈發廣泛，的確人工智能效用的發揮需要豐富的數據積累，從而發揮作用，然而在疫情爆發之時如何依靠有限的樣本量，在有限的時間內迅速準確賦能效用是未來大數據與人工智能發展值得思考的問題。