原創(chuàng) 文摘菌 大數(shù)據(jù)文摘

大數(shù)據(jù)文摘出品

作者：劉俊寰

截至2月27日24時(shí)，據(jù)31個(gè)?。ㄗ灾螀^(qū)、直轄市）和新疆生產(chǎn)建設(shè)兵團(tuán)報(bào)告，現(xiàn)有確診病例39919例（其中重癥病例7952例），累計(jì)治愈出院病例36117例，累計(jì)死亡病例2788例，累計(jì)報(bào)告確診病例78824例，現(xiàn)有疑似病例2308例。累計(jì)追蹤到密切接觸者656054人，尚在醫(yī)學(xué)觀察的密切接觸者65225人。

不只是國內(nèi)，日本、韓國、意大利等多個(gè)國家都出現(xiàn)了新冠患者，全球感染形勢似乎已成定局。

在疫情全球肆虐之下，作為科技從業(yè)者，數(shù)據(jù)能在哪些方面助力疫情，哪些數(shù)據(jù)需要及時(shí)地公開和披露，如何利用這些數(shù)據(jù)，面對日趨復(fù)雜的數(shù)據(jù)和模型，應(yīng)該保持怎樣的態(tài)度等，都是值得我們思考的問題。

針對這些問題，文摘菌專訪了兩位SAS的專家，SAS聯(lián)邦醫(yī)療支持經(jīng)理，華盛頓大學(xué)流行病學(xué)和生物統(tǒng)計(jì)學(xué)教授Theresa Do，和SAS全球政府行業(yè)實(shí)踐總監(jiān)，美國前國土安全部國家生物監(jiān)管總監(jiān)Steve Bennett，站在更宏觀的視角下，面對大數(shù)據(jù)和新技術(shù)，他們是如何解答這些疑問的，他們的解答對于我們而言相信也會(huì)是不小的啟發(fā)。

疫情前中后期，數(shù)據(jù)作用都無法忽視

數(shù)據(jù)是不會(huì)騙人的。

在病毒爆發(fā)前，Steve Bennett認(rèn)為，數(shù)據(jù)就已經(jīng)在發(fā)揮作用了，數(shù)據(jù)可以清楚地顯示出人類與動(dòng)物接觸方式和頻次的明顯增多，以及多地物種數(shù)量呈密集分布等，基于此，科學(xué)家不難分析出病毒有更高幾率來源于動(dòng)物，比如這次新型冠狀肺炎。

回顧此前的SARS、MERS、新型流感病毒，還有在西非爆發(fā)的埃博拉病毒等大范圍爆發(fā)的流行病，科學(xué)家估算出，約四分之三的新病毒都是源于動(dòng)物，多達(dá)80萬種未知?jiǎng)游锊《究梢詡魅窘o人類。這正是數(shù)據(jù)所告訴我們的。

得到了這樣的結(jié)論，我們就可以更好地再次利用數(shù)據(jù)，整合已知病毒、動(dòng)物數(shù)量、人口統(tǒng)計(jì)等，利用AI等新技術(shù)來預(yù)測新病毒可能出現(xiàn)的區(qū)域，從而幫助政府和公共衛(wèi)生機(jī)構(gòu)提前采取措施，至少可以在疫情爆發(fā)前做好準(zhǔn)備和預(yù)防工作。

Steve Bennett說道，美國國土安全部曾研發(fā)出一個(gè)試用方法，即通過機(jī)器學(xué)習(xí)來挖掘出社交媒體數(shù)據(jù)中指出的異于常規(guī)流感的癥狀，反復(fù)研究實(shí)時(shí)物流和急救車調(diào)用數(shù)據(jù)，利用機(jī)器學(xué)習(xí)查找某些病患送往醫(yī)院的異常信息。再利用AI與這類數(shù)據(jù)結(jié)合，不僅可以更準(zhǔn)確地偵測到非正常疾病，還能更快采取行動(dòng)，如果從傳統(tǒng)疾病報(bào)告中查出端倪，則需要花費(fèi)數(shù)周時(shí)間。

一旦疫情爆發(fā)，數(shù)據(jù)仍然是制定應(yīng)對決策的根本?？茖W(xué)家和學(xué)者普遍認(rèn)同的觀點(diǎn)是，掌握的關(guān)于病例數(shù)量、死亡率、傳播方式和傳染性的信息越多，就能越快地制定決策，以便控制、阻止并治療疾病。

通過數(shù)據(jù)分析，結(jié)合出行、人口和疾病數(shù)據(jù)，可以預(yù)測疫情傳播區(qū)域和速度。Steve Bennett指出，這不僅需要公共衛(wèi)生和科學(xué)的快速研究，還需要利益相關(guān)方更快速地共享信息。

Theresa Do補(bǔ)充道，針對如新型冠狀病毒這類傳染病的爆發(fā)，若要準(zhǔn)確辨識(shí)出誘發(fā)和潛在威脅因素，必須整合所有數(shù)據(jù)進(jìn)行綜合考量。如果想要檢測公共衛(wèi)生健康狀況，需要綜合利用病案報(bào)告、電子健康記錄和實(shí)驗(yàn)數(shù)據(jù)等傳統(tǒng)公共衛(wèi)生數(shù)據(jù)資源。

隨著數(shù)據(jù)全球化進(jìn)程的增速，將病案數(shù)據(jù)與確診病例的遷徙數(shù)據(jù)（例如飛行軌跡、遷入遷出國家、酒店信息等）打通，對于快速采取診斷、分診和隔離就顯得至關(guān)重要，進(jìn)而能防止疫情擴(kuò)散。

而在疫情被控制或者消除后，數(shù)據(jù)的作用仍然不可忽視，政府和國際衛(wèi)生組織需要做出決策，如何更好地控制和阻止類似疫情的再爆發(fā)。這時(shí)，機(jī)器學(xué)習(xí)就可以用來測試政策和公共衛(wèi)生舉措，模擬出可能的結(jié)果。

簡而言之，AI允許政府人員對各種假說展開分析，幫助他們以數(shù)據(jù)作為驅(qū)動(dòng)力制定相應(yīng)的政策改革并做出決策，讓他們面對類似的疫情時(shí)能夠高效應(yīng)對。

不能盲信模型，做好預(yù)防才是上策

各種數(shù)據(jù)的綜合利用，往往是以不同的預(yù)測模型作為結(jié)果呈現(xiàn)出來，疫情爆發(fā)至今，不只是中國，包括英美日等多國專家紛紛對疫情走勢做出預(yù)測，有人認(rèn)為目前形勢比較樂觀，疫情將在2月中下旬到達(dá)頂峰，也有人認(rèn)為疫情最終將導(dǎo)致世界范圍級(jí)別的感染。

面對眾說紛紜的預(yù)測模型，Steve Bennett指出，在計(jì)算模型領(lǐng)域有句話“所有的模型都是錯(cuò)誤的……其中一些是有用的”。由于新病毒可能具備未知的、可怕的傳播力等因素，傳染病數(shù)據(jù)建模想要達(dá)到絕對的精準(zhǔn)是不太可能的，一般都是不確定的，任何一個(gè)傳染病模型與疫情預(yù)測的絕對精準(zhǔn)不存在必然聯(lián)系。

評(píng)估一個(gè)模型是否實(shí)用，最重要的是該模型是否嚴(yán)謹(jǐn)依據(jù)歷史信息。此前一些世界精英科學(xué)家采用了非常先進(jìn)的計(jì)算方法進(jìn)行預(yù)測，但是實(shí)際證明預(yù)測結(jié)果是錯(cuò)誤的，而且偏差很大。

雖然對模型的準(zhǔn)確性需要保留態(tài)度，但不可否認(rèn)的是，這些模型可以幫助了解傳染病，指出哪些區(qū)域最容易遭到疫情侵襲，讓公共衛(wèi)生機(jī)構(gòu)和政府人員采取更有效、更快速的決策和行動(dòng)。

舉個(gè)例子，無論預(yù)測案例數(shù)量是否精確，用出行模式和人口統(tǒng)計(jì)數(shù)據(jù)標(biāo)記出最有可能受到新傳染病侵襲的區(qū)域，隨后政府有關(guān)部門就需要根據(jù)預(yù)測，增強(qiáng)公共衛(wèi)生監(jiān)測并提前介入該片區(qū)域的疫情管控，進(jìn)行資源的部署。

在經(jīng)濟(jì)方面，本次疫情帶來的損失已經(jīng)不容忽視。針對不同的經(jīng)濟(jì)預(yù)測，Steve Bennett也指出，就算沒有疫情干擾，要預(yù)測2020年的全球經(jīng)濟(jì)，也有很多影響因素。

盡管所構(gòu)建的模型表明，隔離決策確實(shí)會(huì)給經(jīng)濟(jì)帶來重創(chuàng)，但是依舊需要與未實(shí)施隔離政策所帶來的潛在經(jīng)濟(jì)損失進(jìn)行對照評(píng)估，大量未經(jīng)對照核查的疫情傳播信息和公共衛(wèi)生研究結(jié)果則會(huì)帶來更大的損失，不僅僅是經(jīng)濟(jì)層面上，還有生命。

面對逐漸“全球化”的疫情，與其尋找絕對精確的預(yù)測方法，不如使用模型來定位可以通過介入管控有效控制疫情爆發(fā)的區(qū)域，這樣可以投入更多力量和資源挽救更多人的生命。

此外，Steve Bennett也呼吁大家，不要因?yàn)槟Ｐ偷念A(yù)測感到悲觀或焦慮，采取正確的預(yù)防措施才是上策，勤洗手、保持社交距離，在實(shí)際生活中這可比模型有效多了。

社交媒體充當(dāng)關(guān)鍵節(jié)點(diǎn)，數(shù)據(jù)能成為救人工具

在Steve Bennett提到美國國土安全部的試用方法中，社交媒體也可能充當(dāng)著疫情檢測的關(guān)鍵節(jié)點(diǎn)。

正如這次新冠疫情中，社交媒體數(shù)據(jù)可以與其他哨點(diǎn)監(jiān)測數(shù)據(jù)、傳統(tǒng)的公共衛(wèi)生數(shù)據(jù)資源相結(jié)合，深入挖掘并識(shí)別出誘因和錯(cuò)誤信息。

在如何高效利用社交媒體數(shù)據(jù)上，就需要AI登場了。比如，自然語言處理（NLP）能進(jìn)行信息篩選，辨識(shí)來源于非傳統(tǒng)公共衛(wèi)生資源的數(shù)據(jù)，其中或許就包括可能威脅公共衛(wèi)生的潛在因素和預(yù)兆。算法則能幫助從自然語言甚至是未經(jīng)組織的語言中自主辨識(shí)關(guān)鍵詞和短語。

再次回顧2003年SARS時(shí)期，當(dāng)時(shí)可利用的數(shù)據(jù)資源相當(dāng)匱乏，社交媒體、物聯(lián)網(wǎng)設(shè)備和技術(shù)遠(yuǎn)不如現(xiàn)在發(fā)達(dá)，數(shù)據(jù)資源也不足以協(xié)助進(jìn)行醫(yī)療診斷，畢竟SARS后第4年，第一臺(tái)iPhone才首次問世，可以想見，用手機(jī)應(yīng)用軟件協(xié)助健康追蹤和診斷在當(dāng)時(shí)是怎樣一種瘋狂的想法。如今，隨著智能手機(jī)的不斷更新，帶動(dòng)移動(dòng)應(yīng)用和創(chuàng)新技術(shù)的發(fā)展，可利用的數(shù)據(jù)也豐富了許多。

SARS爆發(fā)還處于一個(gè)十分敏感的時(shí)期——互聯(lián)網(wǎng)時(shí)代初期，患者不得不泄露個(gè)人信息，還需要每天手動(dòng)測量并同步體溫。相比之下，如今信息接收者可以獲得更豐富的信息，物聯(lián)網(wǎng)設(shè)備快速讀取體溫并上傳，借助于文本信息和其他手段的分享，每個(gè)人都能提前預(yù)警身邊可能存在的威脅，例如小區(qū)感染人數(shù)等。

溝通方式的多樣，使得公共衛(wèi)生預(yù)防信息得到了更高效的傳播，雖然也不可避免地帶來了一些謠言，但在技術(shù)之下也都被逐一偵破。

Steve Bennett認(rèn)為，社交媒體在本次疫情中的表現(xiàn)值得稱贊。他指出，以前只有政府和公共衛(wèi)生機(jī)構(gòu)手中握有數(shù)據(jù)，以此對疫情進(jìn)行預(yù)測、偵測和決策；但其實(shí)，出行、人口普查、人口統(tǒng)計(jì)、動(dòng)物遷徙相關(guān)數(shù)據(jù)都可以用來應(yīng)對疫情控制，這些數(shù)據(jù)的獲得則需要求助于NGO。

除此之外，民間組織所采用不同的、非傳統(tǒng)的數(shù)據(jù)，在本次疫情中也得到極大的彰顯，這對疫情控制也有著至關(guān)重要的作用，最關(guān)鍵是利用好這些數(shù)據(jù)。通過大數(shù)據(jù)技術(shù)、高級(jí)分析和AI，特別是機(jī)器學(xué)習(xí)，數(shù)據(jù)是能夠成為救人的工具。

不過，數(shù)據(jù)越豐富越多樣化，就越難以綜合考量并從中挖掘出重要因素，這也是需要警覺的地方。

病毒基因序列有助于疫情控制和解決，AI功不可沒

不管是對數(shù)據(jù)的利用，還是具體的通過數(shù)據(jù)構(gòu)建模型，AI在其中扮演著不容忽視的角色。

在一些常見應(yīng)用中賦能AI，可以幫助人們快速識(shí)別常見病癥，同時(shí)，通過助力實(shí)現(xiàn)自動(dòng)數(shù)據(jù)分析，基于威脅因素識(shí)別模式并構(gòu)建模型，來協(xié)同完成病毒傳播的場景分析。當(dāng)AI成功識(shí)別出病毒傳播路徑后，便可以辨識(shí)出宿主或指示病例，甚至識(shí)別出潛在宿主。

在研制目前熱切關(guān)注的病毒疫苗時(shí)，AI同樣發(fā)揮著巨大的作用，其中，基因序列是關(guān)鍵。在生物學(xué)上，遺傳信息可以清楚地揭露出，威脅公共衛(wèi)生的因素是否在變化，或者病毒將如何威脅人類的健康。

通過整合基因分析過程中所獲取的數(shù)據(jù)，幫助了解表層蛋白質(zhì)和病毒進(jìn)化，進(jìn)而找到和疾病相關(guān)的遺傳信息，就算不是遺傳信息序列分析領(lǐng)域的專家，也可以通過研究基因序列和辨識(shí)序列共性，來確定數(shù)據(jù)統(tǒng)計(jì)的顯著性。

這都得益于AI技術(shù)的參與，整個(gè)過程才能如此迅速高效地進(jìn)行。在實(shí)驗(yàn)中，通過AI算法，可以在基因數(shù)據(jù)中采用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，幫助更快地了解序列和病毒畸變之間的關(guān)系，深入研究科學(xué)理論和基因分析之間的關(guān)系等。

新病毒的基因序列十分重要，對其地分析能重新定義病毒特性的基因序列，進(jìn)而更準(zhǔn)確地描述病毒的遺傳進(jìn)化過程。從新病毒出現(xiàn)到起基因序列被科學(xué)家破解，再到基因組首次被刊登于《新英格蘭醫(yī)學(xué)雜志》，隨后被基因銀行和全球共享禽流感數(shù)據(jù)倡議組織分享，這有助于病毒的流行病學(xué)和傳播路徑研究，幫助研究人員更快地制定診斷和治療策略。

共享基因序列地重要性不言而喻，這使得研究人員能夠盡早地對其他冠狀病毒展開分析。新冠病毒的相關(guān)研究顯示，其與SARS有很高的相似性，源頭上也都與蝙蝠有牽連。后期，隨著掌握病毒基因序列越來越多，研究人員就可以通過對比研究它們的共性。

短時(shí)間內(nèi)從基因序列中挖掘中的信息越多樣，就越能幫助我們減緩病毒的遺傳適應(yīng)進(jìn)程。

在未來，Theresa Do希望，能開發(fā)出更先進(jìn)的診斷工具，不僅能夠?qū)崿F(xiàn)更快的病毒株測試，還能識(shí)別遺傳資源保護(hù)因素，特別是通過在精準(zhǔn)醫(yī)學(xué)領(lǐng)域的進(jìn)一步研究，這將使得研究人員更加準(zhǔn)確地識(shí)別出哪些保護(hù)因素是有效的，哪些是無用的。

另外，Theresa Do還希望技術(shù)的創(chuàng)新發(fā)展將更準(zhǔn)確地辨識(shí)出個(gè)人行為模式的異常表現(xiàn)，基于醫(yī)療設(shè)備的多樣性和數(shù)據(jù)的高度聯(lián)通，針對這些可能需要醫(yī)療幫助的人提供及時(shí)預(yù)警，同時(shí)，技術(shù)創(chuàng)新能有效保障數(shù)據(jù)安全，這樣數(shù)據(jù)才可以在高度保密之下，更快地辨識(shí)傳染病的傳播模式。

原標(biāo)題：《疫情中數(shù)據(jù)的作用無法忽視，但也不能盲信模型 | 專訪前DHS生物監(jiān)管總監(jiān)》

閱讀原文