大数据,变革公共卫生

 ·  2017-05-17 16:03:39  ·  北京瑞铭安普科技有限公司
2009 年出现了一种新的流感病毒。这种甲型H1N1 流感结合了导致禽流 感和猪流感的病毒的特点,在短短几周之内迅速传播开来。全球的公共卫生 机构都担心一场致命的流行病即将来袭。有的评论家甚至警告说,可能会爆 发大规模流感,类似于1918 年在西班牙爆发的、影响了5 亿人口并夺走了数 千万人性命的大规模流感。更糟糕的是,我们还没有研发出对抗这种新型流 感病毒的疫苗。公共卫生专家能做的只是减慢它传播的速度。但要做到这一 点,他们必须先知道这种流感出现在哪里。
美国,和所有其他国家一样,都要求医生在发现新型流感病例时告知疾 病控制与预防中心(CDC)。但由于人们可能患病多日实在受不了了才会去 医院,同时这个信息传达回疾控中心也需要时间,因此,通告新流感病例时 往往会有一两周的延迟。而且,疾控中心每周只进行一次数据汇总。然而, 对于一种飞速传播的疾病,信息滞后两周的后果将是致命的。这种滞后导致公共卫生机构在疫情爆发的关键时期反而无所适从。
在甲型H1N1 流感爆发的几周前,互联网巨头谷歌公司的工程师们在《自 然》杂志上发表了一篇引人注目的论文。它令公共卫生官员们和计算机科学 家们感到震惊。文中解释了谷歌为什么能够预测冬季流感的传播:不仅是全 美范围的传播,而且可以具体到特定的地区和州。谷歌通过观察人们在网上 的搜索记录来完成这个预测,而这种方法以前一直是被忽略的。谷歌保存了 多年来所有的搜索记录,而且每天都会收到来自全球超过30 亿条的搜索指令, 如此庞大的数据资源足以支撑和帮助它完成这项工作。
发现能够通过人们在网上检索的词条辨别出其是否感染了流感后,谷歌 公司把5 000 万条美国人最频繁检索的词条和美国疾控中心在2003 年至2008年间季节性流感传播时期的数据进行了比较。其他公司也曾试图确定这些相 关的词条,但是他们缺乏像谷歌公司一样庞大的数据资源、处理能力和统计 技术。
虽然谷歌公司的员工猜测,特定的检索词条是为了在网络上得到关于流 感的信息,如“哪些是治疗咳嗽和发热的药物”,但是找出这些词条并不是重 点,他们也不知道哪些词条更重要,更关键的是,他们建立的系统并不依赖 于这样的语义理解。他们设立的这个系统唯一关注的就是特定检索词条的频 繁使用与流感在时间和空间上的传播之间的联系。谷歌公司为了测试这些检 索词条,总共处理了4.5 亿个不同的数字模型。在将得出的预测与2007 年、2008 年美国疾控中心记录的实际流感病例进行对比后,谷歌公司发现,他们 的软件发现了45 条检索词条的组合,一旦将它们用于一个数学模型,他们的 预测与官方数据的相关性高达97%。和疾控中心一样,他们也能判断出流感 是从哪里传播出来的,而且他们的判断非常及时,不会像疾控中心一样要在流感爆发一两周之后才可以做到。
所以,2009 年甲型H1N1 流感爆发的时候,与习惯性滞后的官方数据相 比,谷歌成为了一个更有效、更及时的指示标。公共卫生机构的官员获得了 非常有价值的数据信息。惊人的是,谷歌公司的方法甚至不需要分发口腔试 纸和联系医生——它是建立在大数据的基础之上的。这是当今社会所独有的 一种新型能力:以一种前所未有的方式,通过对海量数据进行分析,获得有巨 大价值的产品和服务,或深刻的洞见。基于这样的技术理念和数据储备,下一 次流感来袭的时候,世界将会拥有一种更好的预测工具,以预防流感的传播。