本文共字，预计阅读时间。

传染病爆发会给日常生活和经济发展带来巨大损失。联合国统计显示，上一次的寨卡病毒爆发给拉丁美洲和加勒比海地区造成的损失就高达180亿美元。

如今，大数据分析已经覆盖了我们日常生活的各个领域，而如今这项新技术正逐步开始在传染病疫情管控方面开始发挥作用。在本文中，我们就将为您概述大数据分析改变流行病疫情的五种方式。

更高质量的基因数据

一般来说，由于测试数据收集速度慢、协同工作效率低等问题，很难在疫情爆发时及时收集数据。而如今更加快捷的基因组测序可以产生大量的大数据，对疫情爆发时实时发生的微生物突变进行有效分析。Nextstrain就是这样一种允许实时共享和跟踪基因组序列以改善暴发反应的工具，能够帮助公共卫生部门及时来源、演变和可能性。

移动手机数据

移动手机的普及意味着我们现在可以通过跟踪人们的移动方式来更好地了解传染病的路径。例如，从西非手机数据中获取的GPS坐标使专家可以跟踪埃博拉病例的接触情况，从而有助于告知预防措施应集中在何处，并及时采取控制传播。这种类型的跟踪不仅可用于将爆发期间发生的情况拼接在一起，而且还可以帮助我们预测疾病在未来爆发中的传播方式，并了解哪种干预措施最有效。

社交媒体数据

通过挖掘来自社交媒体的大量数据，我们还可以深入了解疾病（如美国的季节性流感）传播的时间和地理位置。例如，研究人员使用Twitter更好地预测了流感季节何时将达到顶峰。或者对社交媒体数据应用了自然语言处理算法，以对诸如疫苗接种的可能性和流行期间感到的恐惧程度之类的话题进行情绪分析。这些分析可以帮助确定控制措施、公共卫生信息，也可以帮助估计由恐惧引起的行为改变（如避免公共场所）的经济影响。

确定高风险区域

机器学习技术现在可以生成全局的高分辨率地图，指出疫情的现有或潜在流行区域。这些技术利用有关环境、人类和动物因素的遥感数据和其他地理数据来预估有多少人生活在最危险的地方。随着规模更大、价格更低廉的计算能力的到来，以及全球一致的高分辨率地理空间数据集的日益普及，这种类型的预测建模将变得更加强大。

传播路径与规模模拟

通过专家们将获取的传染病数据集输入到大规模的疾病传播模型中，大数据还可以对流行病传播进行大规模、高分辨率的全球模拟。这些模拟可以帮助填补观测数据中的空白，并提供对爆发可能结果的新颖见解，包括预期疾病、住院规模、死亡率、员工缺勤和资金损失等等。最终，这些见解可以帮助世界了解流行病风险以及减轻流行病风险的最佳方法。

结论

尽管取得了上述这些进展，但全球仍然没有为下一次可能的疾病大流行做好准备。因此，我们必须加快相关技术的研发和应用，这样才能让更多的企业及时进行预防，让政府更有效得采取干预措施，拯救更多的生命。

 

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。