百度上线流行病预测，大数据进入应用模式

点击标题下「大数据文摘」可快捷关注

作者：喻陆，解放军305医院教授

2010年《让子弹飞》中土匪张麻子在伏击县长马邦德时有一句经典台词：“别急，让子弹飞一会。”最终子弹成为胜负的关键一枪，也是这么一颗子弹串起了剧中所有人的命运。

用一个四年前的老电影故事的主要原因是，子弹在飞与击中目标的过程，以及过程中看客心态，射击者心态，与我们当下的一种环境十分相像：大数据与公共卫生建设。在过去的几年间，大数据技术之于公共卫生就像一颗高速飞出的子弹，一直飞在空中，无法真正为公共卫生提供成熟可操作的解决方案。

回望过去，2009年的一场甲型H1N1 流感是扣动大数据扳机的关键力量。在与这场夺去几百人生命的流行疾病战斗中，人们发现了流行疾病前置预测的重要性。传统的公共卫生管理中，一般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。但这种处理方式有一个致命弊端：流行疾病的传播性远远快于后置传递的信息——人们都会在发病多日后才选择医院就诊，从就诊到医院发出诊断预警信息，这其中约有一至两周的滞后周期。这也就直接导致，当一场流行疾病真正在公众中爆发时，已经错过了最佳预警时期。

所以，在公共卫生流行疾病的管理中，如何抓住这往往被医疗管理者和大众都忽略的黄金一周成为关键。我们可以先回放，当一种流行疾病在一个个体上出现时，人们的行为都是如何应激的：第一天，他们会先忽略一些小小的不舒服，继续工作学习；第三、五天，甚至接下来的一周中，当病症扩大时，不舒适感增强，他们开始通过网络查询病症以及对应的治疗方案。这时，人们的行为出现分流，一部分人继续自我治疗，而另一部分人则选择到医疗机构诊治。

而这其中从第三天开始之后的一周到两周的时间中，发生的行为大数据成为预测的关键。这一时期中，人们在网络上询问各种关于病症的问题，以及自我治疗的方法。无论是询问病症关键词，还是药品关键词都可以成为大数据预警的触发机制。大数据公司可以通过实时监控，发现不同病症的地域分布、触及人群广度，并结合医疗工作者丰富的经验值来组合判断流行疾病爆发的可能性。

如谷歌的“流行感冒预测”就是目前海外认知度颇高的案例，他们把5000万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，最终通过数学模型的搭建，构成了预测系统，在2009年发布了冬季流行感冒预测结果，与官方数据的相关性高达97%。目前，谷歌流行疾病预测包括了流感趋势、登革热趋势。

中国政府相关部门也在2010年开始尝试与百度等互联网科技公司合作，尝试通过大数据的挖掘管理，分析实现流行疾病预警管理。中国疾病预防控制中心副主任、中科院院士高福也认同大数据在公共卫生预防控制上的作用。他公开表示，通过大数据可以在流感到来之前为人们提供一些解释性信息，为流感的预防提供缓冲时间。

如今，中国已经不仅仅预测流感，还开始预测包括肝炎、肺结核、性病等4种主要疾病。提供这项大数据预测服务的是百度，数据源除了query数据之外，还用到了google没有用到的微博数据，以及百度知道的与疾病相关提问的趋势。借助其在移动互联网的14个过亿用户入口，移动数据也将为预测提供下一步更加意义深远的支持，如：各地疾病人群迁徙的数据特征，各地天气变化等等。据说，未来的预测将从现在的4种扩展到30多种主要疾病。

在具体的数据分析与挖掘方面，百度疾病预测将地区差异作为重要变量，针对每个城市分别建模，光是基于数据输出模型就达到300余个。加之后台数据的精心准备，让百度的疾病预测在最终的产品端可以提供全国331个地级市，2870个区县的疾病态势预测。

大数据终于不再只是飞，落地中国公共卫生管理也只是一个美好的开始，我们可以想的更多，这个数据库的模型可以更加丰富，例如：在数据收集端，通过智能移动健康设备实现个人健康数据实时监测，数据即可输送至公共卫生管理大数据库，也可以建立个人健康管理电子档案。在数据利用端，通过个人电子健康档案，可实现家族疾病以及慢性疾病的实时监控，并对此实现长期对症治疗。