論大數(shù)據(jù)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(yī)務(wù)工作者，基層服務(wù)人員等一線工作人員為我們保駕護(hù)航，還有大數(shù)據(jù)庫所構(gòu)建起的數(shù)據(jù)網(wǎng)絡(luò)在抵御著疫情的侵襲，控制著疫情的擴(kuò)散，在數(shù)據(jù)信息爆炸式增長的如今，本文將淺談當(dāng)疫情發(fā)生時，數(shù)據(jù)將如何更好地賦能效用。

關(guān)鍵詞：大數(shù)據(jù);新冠肺炎疫情;人工智能

每日網(wǎng)上沖浪時所關(guān)注的包含著新冠肺炎患者的數(shù)量、增減趨勢，患者地區(qū)分布，境內(nèi)、外輸入病例等信息的疫情數(shù)據(jù)實(shí)時報(bào)告，便是數(shù)據(jù)之于疫情，之于我們最直觀的體現(xiàn)，那么此次疫情過后，數(shù)據(jù)將會怎么更好地為我們服務(wù)呢？

本文以醫(yī)療與城市治理兩個方面展開論述。疫情期間，不少地區(qū)城市，牢牢把握起疫情防控中的這一“利器”，注重大數(shù)據(jù)思維和手段助力治理能力的提升，逐步完善城市公共衛(wèi)生環(huán)境精細(xì)化治理機(jī)制，建立起專業(yè)化、標(biāo)準(zhǔn)化、智能化、多元化城市社會基層治理架構(gòu)，為建立數(shù)據(jù)城市積累了初具特色的經(jīng)驗(yàn)和做法;另一方面，數(shù)據(jù)信息的爆炸式增長亦包括醫(yī)療信息數(shù)據(jù)的不斷積累，且隨著計(jì)算機(jī)算法的優(yōu)化、學(xué)習(xí)能力的加強(qiáng)，數(shù)據(jù)將更好地應(yīng)用在人工智能與醫(yī)療領(lǐng)域的深度融合。

1 數(shù)據(jù)匯總分析，拉響疫情警報(bào)，控制疫情發(fā)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(fā)展成為了全球性難題，其迅猛發(fā)展與疫情初期政府醫(yī)院的重視程度低有著密切的聯(lián)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(zhǔn)預(yù)判密切相關(guān)，因此，未來要格外重視數(shù)據(jù)的即時與共享，為人工智能輔助醫(yī)療的發(fā)展不斷“充電”，推動人工智能在疫情突發(fā)上發(fā)揮更大的作用，做好疫情確定、預(yù)判流量，及時拉響疫情警報(bào)，防患于未然。

數(shù)據(jù)共享，政府、企業(yè)、個人實(shí)現(xiàn)全方位協(xié)作，政府推動數(shù)據(jù)庫不斷完善，打破數(shù)據(jù)壟斷，企業(yè)之間加強(qiáng)數(shù)據(jù)共享，協(xié)作研發(fā)人工智能輔助醫(yī)療產(chǎn)品，推動居民信息實(shí)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(yù)警體系。數(shù)據(jù)庫內(nèi)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(shù)據(jù)庫，而且匯總了實(shí)時患者數(shù)據(jù)、居民信息、氣候數(shù)據(jù)、全球流行傳染病數(shù)據(jù)、牲畜以及野生動物數(shù)據(jù)，一旦在數(shù)據(jù)庫內(nèi)出現(xiàn)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(guān)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(xiàn)的地點(diǎn)，即刻封鎖，并根據(jù)疫情所發(fā)生的地點(diǎn)和居住工作的人員進(jìn)行相關(guān)追蹤，監(jiān)測其近期身體狀況并且提醒其做好防護(hù)工作前往醫(yī)院就診。但如何根據(jù)有限的數(shù)據(jù)迅速準(zhǔn)確確定疫情的發(fā)生與否及相應(yīng)對策是值得思考的地方。

在疫情出現(xiàn)初期便可做到及時判斷、監(jiān)測傳染病疾病類型、疾病來源、疫情集中地點(diǎn)等基礎(chǔ)信息，提出預(yù)防預(yù)警信息以及預(yù)警登記，并通過深一步數(shù)據(jù)分析，推斷疫情的傳播途徑，從宏觀上根據(jù)人員流動情況判斷疫情人數(shù)及分布范圍，拉響全城疫情警報(bào)。并進(jìn)一步推動政府做好疫情評估，提高決策質(zhì)量，提前做好物資、床位、人員的配備，設(shè)置最優(yōu)的資源配備方案，防止高風(fēng)險(xiǎn)區(qū)因資源缺乏而造成的患者喪生以及低風(fēng)險(xiǎn)區(qū)過度配備而造成的資源浪費(fèi)，以期通過有限的醫(yī)療資源實(shí)現(xiàn)最大程度的醫(yī)療配備，減少疾病的傳播。

2 數(shù)據(jù)收集，機(jī)器學(xué)習(xí)，助力疾病源頭找尋、疾病診斷、藥物研發(fā)

醫(yī)藥大數(shù)據(jù)作用的發(fā)揮主要依托于人工智能，依托于數(shù)據(jù)的不斷積累，近年來人工智能也得以迅速發(fā)展，人工智能與醫(yī)療領(lǐng)域融合程度逐漸加深，體現(xiàn)在了醫(yī)院與科研的方方面面，如智能閱片系統(tǒng)、智能導(dǎo)診機(jī)器人、手術(shù)機(jī)器人以及藥物研發(fā)系統(tǒng)等人工智能。

通過數(shù)據(jù)收集，智能閱片系統(tǒng)將掌握診斷疫情的要點(diǎn)且效率極高，能夠迅速提高疫情背景下醫(yī)療資源緊張的社會的整體診斷效率。只需要通過數(shù)據(jù)錄入，進(jìn)行快速深度學(xué)習(xí)，閱片系統(tǒng)便可迅速掌握新冠肺炎的閱片要點(diǎn)，并根據(jù)新版手冊實(shí)時更新，經(jīng)由智能閱片系統(tǒng)進(jìn)行閱片的速度可達(dá)幾秒鐘兩三百副胸片，準(zhǔn)確率可達(dá)95%以上。

病源尋找方面，通過數(shù)據(jù)提高全基因組測序（WGS）以及機(jī)器學(xué)習(xí)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(kuò)散。科學(xué)家可以通過龐大的數(shù)據(jù)樣本，收集DNA樣本，進(jìn)行全基因組測序，即對未知基因組序列的物種進(jìn)行個體的基因組測序，分離出病毒，確立潛在的干預(yù)方案。

新藥研發(fā)方面，隨著醫(yī)藥數(shù)據(jù)的不斷積累及計(jì)算性能的不斷提高，數(shù)據(jù)主要應(yīng)用在藥物研發(fā)中的藥物靶點(diǎn)識別、活性化合物篩選、蛋白結(jié)構(gòu)預(yù)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(fā)依然艱難重重。

結(jié)語

隨著大數(shù)據(jù)庫的不斷完善積累以及計(jì)算性能的不斷提高，數(shù)據(jù)經(jīng)由人工智能而在醫(yī)療領(lǐng)域的應(yīng)用場景愈發(fā)廣泛，的確人工智能效用的發(fā)揮需要豐富的數(shù)據(jù)積累，從而發(fā)揮作用，然而在疫情爆發(fā)之時如何依靠有限的樣本量，在有限的時間內(nèi)迅速準(zhǔn)確賦能效用是未來大數(shù)據(jù)與人工智能發(fā)展值得思考的問題。