在百度大數據開放大會上，中國疾病預防控制中心的高福院士在開講時就向聽眾拋出了一個問題“如果2003年百度的搜索引擎和現在一樣發達，能夠提前告知我們廣州、香港已經開始出現SARS病毒感染了，那么其他地區的危害是否會變得小一些?”

　　而這一問題也其實暴露了傳統疾病預防控制的方式的不足，最大的不足在于實時性上，疾病的傳染控制搶的就是時間，與死神賽跑。而此次疾病預防控制中心與百度的合作也正是意在改變現狀，開始利用大數據對疾病傳播進行更先進的監控與控制。

　　谷歌已在疾病預測防控上已經走出先例，那么我們先來看下谷歌的谷歌流感趨勢(Google Flu Trends，GFT)的工作成果，再對比百度，從中窺視中國疾病預防控制的大數據未來。

　　一，谷歌在疾控上的成就

　　2008年，谷歌上線“谷歌流感趨勢”項目，該項目開始預測流感傳播。

　　2009年在美國的H1N1爆發幾周前，谷歌成功預測了H1N1在全美的傳播范圍，具體到了州還有特定地區，判斷非常及時，令美國公共衛生機構以及全美大為震驚，疾控中心通常只能在流感爆發一兩周之后才可以做到，而谷歌的及時性讓全美側目。

　　這是真正第一次利用搜索引擎大數據對疾病控制的預測嘗試，谷歌因此也獲得巨大殊榮。

　　二，中國疾控中心的大數據方向

　　此次疾控中心與百度深入合作，不僅利用百度的數據技術來達到疾病傳播的控制，還將拿出官方的監測數據與百度進行深入分析并建立模型。以下是在大數據下，疾病控制可以做到以下幾點。

　　1，提前確定一定規模的未知疾病，為疫情控制爭取時間。無論傳統檢測還是大數據都是無法監測到任何沒有臨床癥狀的病例的，這些經驗在醫院的臨床經驗中都為0。但大數據卻可以做到一件事，通過醫院的共享信息以及百度監控指定地區的用戶的頻繁搜索關鍵詞，可以檢測到某個地區已經出現了諸如不明原因的肺炎，某地餐館讓多少人出現嘔吐腹瀉等異常狀況......

　　然后再通過與疾病控制中心的病毒庫中的病毒分析，尋找吻合的病毒，進行比對分析然后將其找出，為判斷疾病贏取時間。換句話說，有了大數據后，疾病預防可以真正在第一時間內去判斷出疫情的病毒源，進而為控制爭取時間。

　　另外要說明一點的是，當前的科技下，疫情的發生是誰也無法控制的，我們目前唯一能夠控制的就是及時制止其傳播的范圍，而大數據則是目前唯一的也是最佳的途徑。

　　2，判斷人員流向，控制疫情。在疫情發生后，雖然國家可以第一時間控制住當地疫情，但是人員流動則是無法控制的。現在利用百度的技術可以做到，比如A地突然爆發了傳染病，而此時根據百度大數據的監控就能監測到傳染源區人員的主要流向地是B地與C地，于是疾控中心就拿出對應的醫療技術和對應的治療藥品以及疫苗來防治，第一時間趕到B地與C地，將一切藥物準備就緒并為當地人接種疫苗，這樣一來就減少了盲目的廣撒網式的全面布局情況，通過百度提供的人員流動數據，讓控制疫情在效率上大幅度提升。

　　3，治療藥物和疫苗的迅速研發。在疫情發生后最重要的事情就是研發對應藥物，傳統的做法是一個小范圍的研發，然后用傳統的交流方式，但是有了大數據就不可同日而語。在病人的治療中，所有藥物的使用數據以及用戶的病情數據都將全部聯網，當機器檢測到發現某種藥物(通過讀取錄入的藥物數據)對病人的病情(通過讀取錄入病人健康的關鍵指數后的數據)有部分效果后，將會迅速納入研發的決策范圍，為研發部門提供有用參考，為研發對抗疫情的藥物以及預防疫情的疫苗，提供全網的大數據的支持。

　　4，傳播動力學模型建立。疫情的傳播模型在學術上有很多研究成果，但是這些學術研究都很難落地，就像《反脆弱》里說的這種涉及社會問題的理論要想建立，從學術到實踐是一種大眾錯覺，真正建立起理論的永遠是實踐再到學術然后再不斷微調。而現在擁有了大數據的全面監控后，疾控中心也就有了更多的實踐支持，就可以開始真正從實踐中建立有關疫情的復雜動態網絡的傳播動力學。

　　目前，疾控中心將國家拿出監控點的數據，從鄉鎮到醫院的數據，與百度已有的大數據結合，再加上百度更強的分析能力，一起繪制出傳播的模型，來為今后的疫情控制工作做更多的參考。

　　5，建立全民預警機制。高院士有個愿景，希望未來的大數據疾病預防控制的預警不僅僅只是他們這些坐在辦公室的決策者能夠收到，更希望能夠讓全民享有這樣的福利，來保障更多人的安全。比如當你去出差時，百度會在你的手機上提前通知你，你將要去的地區有食品安全問題，再比如第一時間通知你，你所在的地區有流感地區的人群大量流入，讓你及時做好預防工作以及接種疫苗等等。

　　關于這一點，我認為并不遙遠，相信在近期就能夠做到。

　　三，谷歌的前車之鑒

　　谷歌雖然在09年的預測上做出了漂亮的成績，但是在2013年的2月谷歌流感趨勢被媒體大量批評，原因就在于其數據總是偏高于真實的流感數據。

　　谷歌出錯的原因有很多，比如谷歌的搜索算法調整會間接影響到用戶習慣，再比如谷歌的推薦搜索以及相關性推薦也會影響用戶的搜索結果，此外搜索某個關鍵詞的用戶也不一定是患病用戶，再加上運營商的地理位置判斷等問題，使得谷歌出現算法過度擬合的情況，將噪聲當成了信號，導致其結果的不準確性。

　　而谷歌的反復試錯，也讓百度在該項目上更加警惕，所以直到最近才開展該項目，想必是已經做好了充足的準備有了充足的自信，才敢開始該項目，并接受大眾的檢驗。

　　結語：之前交通部與百度的合作，再加上現在的疾控中心與百度的合作讓我們看到互聯網產生的大數據已經進入了到國家決策的層面。未來的政府也將更加依賴于這些大數據的支持來做決策，而我們也將一起利用這些共享開放的數據，為自己所用。

　　關注人工智能公眾號：“機器之心”，個人公眾號：“首席發言者”

原文鏈接：http://tech.163.com/14/0427/09/9QR2SOP100094ODU.html