首頁 > 大數據 > 正文

以“數”制“疫” 大數據如何推動疫情防控?

2020-02-12 14:48:22  來源:通信世界

摘要:面對新型冠狀病毒感染的肺炎威脅,大數據這一技術手段可提供重要幫助,城市管理者也在新型智慧城市建設的過程中獲取了很多疫情防控和城市管理的經驗。
關鍵詞: 大數據 醫療衛生
  2020年開年之際,新型冠狀病毒感染的肺炎疫情洶涌而至。相比于2003年的SARS疫情,十余年間,新一代信息技術迅猛發展,人類社會已進入大數據時代。面對新型冠狀病毒感染的肺炎威脅,大數據這一技術手段可提供重要幫助,城市管理者也在新型智慧城市建設的過程中獲取了很多疫情防控和城市管理的經驗。
\
  大數據推動疫情防控的三大手段
 
  面對緊急突發的公共衛生事件及多方來源的海量數據,如何聯合政企單位科學運用大數據技術,為公眾提供更完整、連續、準確、及時的防疫信息,為專家提供追溯疾病源頭的方法,為決策者提供傳染病發展的趨勢,是大數據應用于防疫的三大重要任務。
 
  可分析“涉疫”人員流動軌跡通過集成電信運營商、互聯網公司、交通部門等單位的信息,大數據可以分析出人員流動軌跡。具體來說,利用數據分析、數據挖掘等技術,一方面可以通過手機信令等包含地理位置和時間戳信息的數據分析繪制病患的行動軌跡;另一方面,根據病患確診日期前一段時間的行動軌跡和同行時間較長的伴隨人員,大數據可以推斷出病患密切接觸者。綜合分析確診病患、疑似病患和相關接觸者的行動軌跡,可以準確刻畫跨地域漫入、漫出的不同類別人員的流動情況,這既為精準施治提供了有力指導,也為預測高危地區和潛在高危地區提供了有力依據。
 
  可追溯傳染病源頭利用人工智能、深度學習等新興技術,聯合出行軌跡流動信息、社交信息、消費數據、暴露接觸史等大量數據進行科學建模,可以根據病患確診順序和密切接觸人員等信息定位時空碰撞點,進而有望推算出疾病傳播路徑,為傳染病溯源分析提供理論依據。
 
  可預測疫情發展態勢通過高危人群,即確診病患和病患密切接觸者的運動情況,結合疫情新增確診、疑似、死亡、治愈的病例數,借助傳播動力學模型、動態感染模型、回歸模型等大數據模型和技術,不僅可以分析展示發病熱力分布和密切接觸者的風險熱力分布,還可以預測疫情峰值拐點等重要信息。根據預測的疫情發展態勢,衛生部門可以針對發病熱力分布,對重點區域強化衛生措施;依據風險熱力分布,對可能擴散的區域提前陳設防疫防控資源,避免出現二次爆發、局部爆發和多點爆發。同時,疫情發展趨勢預測對于政府部門確定復工時間、出臺公共管理和促進經濟發展的措施都將起到很重要的作用。無論對決策者還是普通人,心中有“數”,才能提前陳設,防患未然。
 
  數據采集手段及流傳仍存問題
 
  雖然大數據在精準防疫和決策支持方面可以發揮重大作用,但從我國此次應對新型冠狀病毒感染的肺炎疫情來看,仍有很大空間值得挖掘和提升。為了進一步推動大數據助力疫情防控,以下3個問題亟需得到解決。
 
  一是數據采集手段原始,質量較低。一些政府部門和基層組織在采集疫情相關數據仍然采用手工作坊式的人海戰術。在采集時通常采用手工填表、打電話等方式,這既給基層工作人員增加負擔,也無法保證數據的真實性。例如,在采集患者個人信息時,由于沒有區分所留手機號到底屬于病患還是其家屬,運營商系統核驗時就會存在大量身份證號與手機號不一致的情況,導致后續數據分析的準確性和真實性模糊。
 
  二是數據流轉存在隱私泄露的風險。為應對新型冠狀病毒的防疫需求,有關部門第一時間制作了隱去個人隱私信息的確診患者相同行程查詢工具,但在原始數據上報過程中,數據還是遭到了不同程度泄露,這給被泄露人的生活帶來了極大不便。
 
  三是跨地區、跨層級、跨部門的數據流轉難以實現。大數據的核心在于互聯互通。針對個人的行為分析,手機信令僅能提供較為粗糙的移動軌跡,對區域性分析結果影響較小,但對于軌跡精確度要求高的防疫場景,則需要更多例如火車、飛機、共享單車、網約車、搜索引擎、社交媒體等更多維度跨層級和跨領域的信息。目前,不同企業和政府部門的數據呈現“孤島”形態,數據亟需高效整合,才能更好應用于疫情治理。
 
  打破“孤島”形態
 
  推動大數據助力疫情防控
 
  基于以上提出的問題,面對不斷蔓延的疫情形勢,建議有關部門在以下3個方面進行改進和強化。
 
  一是提升采集手段,強化數據校驗。要通過各種技術手段,避免數據低效采集。例如,各地疾控部門對于患者的流行病學調查,除了通過對患者直接的調查采訪外,還應從有關部門采集患者的手機信令數據、交通出行數據,甚至是微信、支付寶等基于位置服務的數據(LBS數據)。這些數據的準確度往往比手工采集要高得多。此外,還需要進行多方數據校驗,從源頭上提高數據質量,為后續的數據分析奠定良好基礎。
 
  二是保護病患隱私,加強安全規范。越是緊急狀態,越需要加強對數據隱私的保護,否則會引發公眾不必要的猜測和恐慌。政府機構在信息發布中,應堅守兩個原則:一是脫敏原則,發布內容要“經過處理無法識別特定個人且不能復原”;二是非必要不公開原則,發布內容應限于與疾病傳播和公眾防疫相關,例如日本厚生省拒絕發布患者的國籍數據就體現了這一原則。
 
  三是打破數據“孤島”,高效運轉數據。對于政府部門來說,當前亟需打通各環節數據“孤島”,綜合衛生、通信、交通、公安、人口、氣象等多維度數據,進行更加深入的綜合分析計算。同時,在進行疫情態勢分析預測時,也應不斷根據更新的數據調整和優化模型與算法,提升預測模型和算法的準確性。
 
  城市大數據平臺
 
  未來城市疫情防控的利器
 
  回望此次疫情防控的信息化舉措,有很多經驗也有很多教訓。盡管許多城市正不斷在加強智慧城市建設,但此次突發的公共衛生事件,是真正檢驗一個城市“智慧化水平”的大考。
 
  目前城市的基層管理長期靠突擊式、運動式執法,管理治標不治本。對此,還應加強智慧城市建設,設立城市大數據平臺,甚至推廣數字孿生城市這一概念。
 
  在智慧城市建設初級階段,由于技術能力、標準框架、頂層設計不成熟,大多數城市重建設而輕應用,數據“聚而不通、通而不用”的情況比比皆是。然而,在疫情防控的嚴峻局面下,精確詳實的數據歸集和實時準確的信息發布顯得尤為重要。因此,搭建城市大數據平臺的重要性不言而喻。
 
  城市大數據平臺就是采集與城市運行相關的信息,進行集中存儲,經過數據治理等環節建立的一個城市數據綜合處理中樞,并提供城市數據應用服務。
 
  城市大數據平臺可以強化跨部門、跨行業的組織統籌力度,提升信息資源整合水平,全面加快城市信息資源的有序匯聚,深度共享、關聯分析、高效利用,為政府、企業和市民提供跨層級、跨地域、跨部門、跨業務的協同服務,最大程度地展現城市“智慧”。
 
  數字孿生城市將基于大數據集成和大數據分析實現高效的協同治理。將城市基礎數據、政府服務業務數據,醫療、交通等實時動態數據,加入地理實體,而地理實體又加載到城市信息模型(CIM)中,形成實體、模型、數據一體化。這樣的全局數據匯總的城市指揮中樞,能使城市的指揮者從全局的視角洞察城市的運行態勢和運行規律,在疫情防控等方面不會因數據而“捉襟見肘”。通過城市特征的抽取,管理者能及時掌握包括疫情防控在內的多種公共管理數據,綜合各個角度分析疫情發展動態,便于有的放矢、精準施策。這都是未來各地政府提升包括防控疫情在內的社會治理能力的關鍵方向。
 
  面對這場疫情風暴,各級地方政府迎來治理能力的大考,大數據在其中發揮出了關鍵作用,但仍然有提升空間。福禍相倚、危中有機,如能深刻總結經驗教訓,充分運用大數據技術實現政府決策科學化、社會治理精準化、公共服務高效化,必然將更好地保障人民群眾的獲得感、幸福感、安全感。

第三十屆CIO班招生
法國布雷斯特商學院碩士班招生
北達軟EXIN網絡空間與IT安全基礎認證培訓
北達軟EXIN DevOps Professional認證培訓
責編:baiyl
体彩排列3试机号 股票分析师为什么不自己炒股 东方6十1历史开奖结果 山西十一选五计划 杭州按摩包吹 呼和浩特沐足价格 痉挛最激烈的av 步兵番号网站 快速时时彩 北京十一选五走势手 合肥小姐上门兼职 超经典激烈痉挛番号 足球指数怎么看 大赢家比分网打不开 一本道避孕套 18选7今日开奖结果查询 东京热经典排行榜