数据科学驱动抗疫响应：多源融合、态势感知、可视化决策与经验固化

尽管全球持续改善卫生系统，新发疫情仍是重大公共卫生担忧。有效疫情响应依赖及时干预，理想情况下由所有可用数据源告知。疫情数据日益复杂催生疫情分析——旨在告知疫情响应的数据科学。

如何运作？四大核心目标：

• 收集多源数据。 须记数据收集非仅从临床文档拾取结构化数据。原始数据源也涉及。因此疫情数据分析需去噪、清洗、归一化以使数据产出可落地洞察。
• 提供态势感知。 疫情不确定时期，知晓风险何时可控、何时最可能转危至关重要。通过多元公共源监控态势感知助缓解管控风险。
• 塑造有效响应。 此节点数据可视化介入。以清晰用户友好形式（仪表盘、图表等）呈现分析结果，助决策者无延迟设计有效响应措施。
• 培训与能力建设。 危机解决后，决策者复盘分析接受响应场景、甄选成功策略，随之修订专业培训与卫生应急预案，为下一次卫生危机更好备战。

COVID-19非21世纪或过去十年唯一疫情。不久前埃博拉、寨卡在西非与美洲肆虐。快速响应与适应性、监测机制、管理策略助研究者临床医生度过难关。但现在够用吗？远非如此。鉴于疫情全球触达，无关键各方广泛合作难设计有效响应，不只跨领域疫情分析研究。病毒折磨200+国家，适当响应战略应赖各地区最佳实践。

庆幸临床研究者医疗专业人员全球联手抗疫。寻最佳危机解决策略，他们建立精细数据共享文化。开源发展成果、持续改进。得益于此，见独特诊断项目如DarwinAI（加拿大）。有此计算机视觉工具，仅凭胸部X光即可诊断COVID-19。此前唯一医学影像诊断法为CT。

合作方式含疫情分析，推动实时与预防分析。这两类分析是遏制病毒传播核心。

实时数据

关键时刻，此类分析驱动快速数据决策、针对各情况定制流程。对病毒前线当地医疗专业人员特别重要。本地实时分析工具针对关键行动者需求开发。如Kinetica与Disaster Tech部署动态AI驱动分析平台助美危机响应者实时追踪冠状病毒相关数据。方案让急救服务可视化PPE可用性、医院容量、检测盒数量、设备可用性等实时统计数据，选最合适患者位置、省时间。

实时分析不限于本地运营任务解决。Our World in Data（牛津项目，旨解决全球问题）部署海量COVID-19全球统计专刊驱动持续实时分析。源提供冠状病毒相关海量数据：新增病例、死亡率、各国政策响应。所有图表、报告、交互式数据可视化每日更新、可下载。

预防分析

实时分析助韩国政府强化预防策略设计与阳性患者监控。利用支撑实时智慧城市网络的IoT与AI解决方案数据、确诊患者提供个人信息。这让研究者追踪患者移动、识别接触者、借大数据分析预测给定区域潜在爆发规模。数据也用于起草预防措施与指令。

台湾也利用实时分析及时预防。农历新年亚洲假日季前夕，国家整合全民健保数据库与移民海关数据库。感染旅客抵达时，大数据分析方案梳理整合数据库，建立访客旅行史与症状关联。方案就医时发实时警报辅助病例识别。亦基于航班起飞地与过去14天旅行史按感染风险分类访客。

不确定动荡当下，洞察数据为王。相关分析方案能驾驭它、无延迟杠杆充分响应预防措施。此方面疫情分析表现良好。同时病毒全球扩散将另一层面推向聚光灯——国际合作。为开发有效管理策略，全球关键利益相关者决策者应审查改进开发方案、依赖实时数据打磨响应措施。因此，从分析到诊断治疗所有领域联合努力，是阻止大流行、为任何其他卫生紧急事件更好备战的唯一途径。

Yaroslav Kuflinski是Iflexion人工智能/机器学习观察员。