數(shù)字技術在COVID-19防疫工作中大顯神通

數(shù)字技術幾乎已經全方位融入人類生活，我們無時無刻不在享用著它的神奇。當突如其來的新冠大流行時，我們正是依靠數(shù)字技術而避免更大損失。數(shù)字技術支撐了防疫工作的每個環(huán)節(jié)，本文從流行病學監(jiān)測、病例識別以及接觸追蹤這三個方面概述其作用。

流行病學監(jiān)測

公共衛(wèi)生部門在應對大規(guī)模疫情時，必須開展的一項核心職能便是流行病學監(jiān)測——監(jiān)測病原體的散播情況、人群的易感程度、感染率和死亡率，疫苗接種覆蓋以及免疫效果等。這些反映疫情特征和防疫進度的流行病學數(shù)據(jù)有助于我們確定傳染病的危險因素，判斷其發(fā)展趨勢，并及時制定或調整防疫策略。

掌握病毒傳播情況的基礎是做好人群監(jiān)測工作。傳統(tǒng)的人群監(jiān)測系統(tǒng)主要依賴實驗室提供的健康相關數(shù)據(jù)、醫(yī)生的臨床病例診斷以及癥狀監(jiān)測網(wǎng)絡（syndromic surveillance networks）。癥狀監(jiān)測網(wǎng)絡以來自醫(yī)院等醫(yī)療衛(wèi)生機構的臨床癥狀報告（例如描述某尚未確定的傳染病為“流感樣疾病”）為基礎，這些機構通常都會提供所有病例的定期監(jiān)測數(shù)據(jù)。

然而，此類人群監(jiān)測的缺陷在于全部數(shù)據(jù)均來自醫(yī)療系統(tǒng)“登記”的人群，無法反映那些并未尋求醫(yī)療幫助的潛在患者。英國的研究團隊曾指出：英國在疫情暴發(fā)早期階段，只對住院患者和醫(yī)護人員進行了病毒核酸檢測；他們基于此情況估算英國的確診病例數(shù)僅為實際感染人數(shù)的4.7%。

盡可能找出未確診病例，我們才能更真實呈現(xiàn)疫情的規(guī)模和特點，更準確制定防疫措施。問題在于如何挖出那些“潛藏”的感染數(shù)據(jù)。

在過去20年間，我們通過新聞媒體、社交網(wǎng)絡以及搜索引擎等平臺搜集、提取和整合信息的能力顯著增強。今天，我們有能力在龐大的數(shù)據(jù)庫中找到傳統(tǒng)臨床報告沒有的內容。在統(tǒng)計和分析COVID-19感染人群時，我們借用了網(wǎng)絡數(shù)據(jù)庫。

世界范圍最頂尖的流行病監(jiān)測在線平臺包括：美國科學家聯(lián)盟建立的新發(fā)疾病監(jiān)測計劃（ProMED-mail）、加拿大公共衛(wèi)生局開發(fā)的全球公共衛(wèi)生情報網(wǎng)絡（GPHIN）、波士頓兒童醫(yī)院組建的全球疫情監(jiān)控網(wǎng)（HealthMap）、世界衛(wèi)生組織（WHO）與其他機構聯(lián)合打造的來自公開資源的流行病情報（EIOS）等。這些數(shù)據(jù)整合系統(tǒng)能夠借助自然語言和機器學習篩選并處理在線數(shù)據(jù)，給出可靠的監(jiān)測結果，并有望提供前瞻性的疫情分析。WHO搭建的EPI-BRAIN平臺集合了針對不同傳染病的數(shù)據(jù)庫。在WHO發(fā)表關于疫情的聲明之前，少數(shù)幾個監(jiān)測系統(tǒng)就基于眾包數(shù)據(jù)和新聞報道，提前“探查”了亞洲地區(qū)的早期病例。英國的自動癥狀監(jiān)測系統(tǒng)掃描國家衛(wèi)生服務數(shù)字記錄，以收集可能發(fā)出COVID-19信號的呼吸癥狀。設想一下，如果在疫情早期，就可以通過此類排查來鎖定高風險群體，那么防疫工作會大大受益。美國的研究團隊曾在國內疫情尚未暴發(fā)之時，調用來自丁香園的眾包數(shù)據(jù)進行了針對COVID-19的早期流行病學分析。

快速識別病例

在大流行期間，早期和快速識別病例對于病人和密切接觸者的隔離至關重要，這樣可以減少進一步傳播，也有助于研究者了解傳染病的關鍵風險和傳播模式。在傳統(tǒng)的臨床和實驗室病例報告的基礎上，數(shù)字網(wǎng)絡為線上看診提供了平臺。潛在感染者可以向網(wǎng)絡社區(qū)報告自己的癥狀，也可以根據(jù)指南自行判斷是否感染。無論方式如何，問診者的信息都會被即時錄入數(shù)據(jù)庫。

通過在線癥狀報告進行病例識別（如新加坡和英國）傳統(tǒng)上用于監(jiān)測，但現(xiàn)在它提供了關于隔離和轉診到下一步醫(yī)療服務的建議，如視頻評估和檢測。這些服務可以迅速實施，但必須與正在進行的公共衛(wèi)生監(jiān)測和行動相銜接，例如病例隔離和接觸者隔離。雖然這種方法適用于有癥狀者，但對個體和人群的廣泛檢測以及接觸者追蹤而言，在病例識別中起著至關重要的作用，估計占80%的COVID-19病例是輕度或無癥狀。傳感器（包括熱成像攝像機和紅外傳感器）正用于根據(jù)發(fā)熱癥狀（例如在機場)確定潛在病例。大量的假陽性和假陰性結果意味著，這不太可能產生提高認識之外的實質影響。人們還在探索可穿戴技術，以監(jiān)測COVID-19在人群中的情況。

人們對分散的、數(shù)字連接的快速診斷檢測越來越感興趣，以擴大檢測的機會，提升檢測能力，減輕醫(yī)療系統(tǒng)和診斷實驗室的壓力。正在研發(fā)若干護理點的COVID-19的PCR測試，然而，其使用仍然限于醫(yī)療護理環(huán)境。開車通過檢測設施和自動檢測試劑盒擴大了檢測的范圍。在取樣、向中心實驗室發(fā)送樣品、等待結果和后續(xù)工作之間存在不可避免的時間延遲。相比之下，護理點快速診斷抗體檢測可以在家庭或社區(qū)或社會護理環(huán)境中實施，并在幾分鐘內給出結果。通過使用圖像處理和機器學習方法，與具有自動讀出功能的智能手機連接，可以使大規(guī)模檢測與地理空間和病人信息快速鏈接，向臨床系統(tǒng)和公共衛(wèi)生系統(tǒng)報告，并可以加快結果的獲得。為了提高工作效率，需要數(shù)據(jù)標準化和將數(shù)據(jù)整合到電子病歷中。

通過抗體檢測識別過去的感染也是人群水平監(jiān)測和評估干預措施（如保持社交距離）有效性的核心。到目前為止，護理點血清學檢測尤其具有可變的性能，而抗體反應可能是短暫的，這種檢測如何有助于病人管理仍然是未知的。一些人認為：在經濟中必須保持活躍的血清反應陽性的工作人員可以獲得數(shù)字“免疫護照”，以表明不會感染；盡管這樣的策略是脆弱的，具有操作和臨床的不確定性。人們正在開發(fā)機器學習算法，將COVID-19從社區(qū)獲得性肺炎中自動區(qū)分開來。

數(shù)字接觸追蹤

前文提到，除了鎖定感染者，快速追蹤并隔離與他們有過密切接觸的人群也是阻斷傳播的關鍵步驟，尤其是在病毒傳播率很高的地區(qū)，針對密切接觸者的監(jiān)測工作對控制疫情蔓延至關重要，但傳統(tǒng)的追蹤手段顯然跟不上病原體擴散的腳步。

不少國家開發(fā)了移動端的接觸追蹤應用：韓國的監(jiān)測系統(tǒng)通過APP跟蹤確診病例的出行軌跡和交易記錄尋找密切接觸者。中國推行了支付寶健康碼，基于用戶的行動軌跡自動評估其密切接觸的風險；把守于車站、醫(yī)院、超市或小區(qū)等人流密集地或通行要塞處的工作人員根據(jù)健康碼決定是否執(zhí)行限制舉措。挪威曾推出一款名為Smittestopp的應用程序用于收集用戶的位置數(shù)據(jù)，不過遭到了國內數(shù)據(jù)保護機構的反對，后者認為Smittestopp的實際權限已經超出其任務范疇；之后，挪威停用了此軟件。

隱私泄露一直都是某些手機APP招惹爭議之處，這一點在追蹤類應用上體現(xiàn)得尤為明顯。有些國際機構正在制定針對追蹤類應用程序的框架，以規(guī)范數(shù)據(jù)收集過程。

接觸者追蹤程序的一大關鍵限制在于，它們對用戶數(shù)量的要求很高，只有全國大部分人口都使用它，并按其建議行事，追蹤數(shù)據(jù)才能最大程度發(fā)揮作用。從這個角度來看，新加坡的防疫應用程序TraceTogether的進展并不理想，到2020年6月，全國僅30%的民眾使用了這款APP。

此外，追蹤應用也面臨一些技術層面的挑戰(zhàn)，例如分析哪些接觸是密切到足以導致感染，多久的接觸時長應觸發(fā)警報。另一方面，智能手機所有權、用戶信任、可用性和手機兼容性等一系列因素都會影響APP的效用。

要準確量化數(shù)字技術對防控新冠疫情的貢獻還為時尚早，但至少我們可以達成這樣的共識：數(shù)字技術提供了一套高效便捷的輔助工具，可作為常規(guī)公共衛(wèi)生措施的補充，減小了新冠給人類造成的損失，也證明了數(shù)據(jù)共享的必要性，為未來移動和數(shù)字醫(yī)療發(fā)展指明了方向。

資料來源 Nature Medicine