专访中科闻歌董事长王磊： 公共卫生监测步入2.0阶段 大数据“蓝海”待挖掘

突发的新冠肺炎疫情，给社会经济造成巨大损失，也给人们日常生活造成巨大影响。近期，北京地区的疫情反复再次引起外界的高度关注。而如何借助大数据和AI技术，及时感知和预警新发突发传染病的征兆，提高公共卫生监测的灵敏度、及时性和有效性，也成为业界深思的问题。

疫情期间，相关企业也在疫情防控方面不断探索。疫情实时动态、疫情地图、疫情防控大脑等大数据技术在疫情防控方面发挥着重要作用。近日，《每日经济新闻》记者(以下简称NBD)专访了中科闻歌董事长王磊，与他探讨公共卫生大数据面临的机遇与挑战。

王磊表示，公共卫生大数据是近年来全球研究焦点，他所在的团队自2010年起承担了多项公共卫生相关的国家科技重大专项，并编著和出版已经被翻译成多种文字的《传染病信息学》一书。当前，公共卫生大数据正从此前被动式观测与发现的1.0阶段，逐步向主动监测与预警的2.0阶段转变。历经这次新冠疫情，利用AI和大数据技术，对于突发公共卫生事件的检测、预警和预测将产生重要影响，将重塑国家和各级政府的公共卫生体系，孵化出新的产业方向。

中科闻歌董事长王磊  图片来源：受访者供图

谈技术发展：从被动观测到主动预警

NBD：利用AI+大数据等科技进行传染病防控的重要性何在？

王磊：疫情期间，人工智能、大数据等技术在公共卫生监测中发挥着重要支撑作用，且贯穿信息获取、分析、决策和响应反馈全过程。我们也通过相关技术赋能信息搜集、处理和分析能力，辅助决策部门对传染病态势进行早期预警、风险研判和危险信号探测，最终提高公共卫生监测的准确性、及时性和有效性。

NBD：在利用AI+大数据进行公共卫生监测方面，国内外的发展有哪些案例？

王磊：在公共卫生大数据监测方面，世界各国都在积极探索，中国在这次疫情中的表现处于领跑身位。放眼全球，2003年英国帝国理工学院研究人员基于SARS流行病学调查数据，构建传播动力学模型；2004年美国约翰·霍普金斯大学应用物理实验室的研究人员开发了基于社区的疫情早期监测与报告系统ESSENCE；2009年美国华盛顿大学基于美国H1N1疫情数据，建模构建了H1N1家庭和学校传播的流行病学参数（基本再生数和世代间隔）。现阶段，如WHO全球流感监测网络、谷歌流感趋势（Google Flu Trends），都是值得研究和学习的案例。

就国内而言，研究机构和企业等也在发力大数据与人工智能赋能的公共卫生大数据监测。例如，中国科学院自动化所曾大军研究员领衔的科研团队，基于信息科学和公共卫生交叉学科体系，利用大数据与人工智能技术，在传染病信息学方向进行了十余年的系统性研究，在数据收集、模型构建、理论方法、关键技术、应用系统方面取得了一些进展和成果，在这次疫情中，为国家有关部门应对和决策发挥重要作用。

NBD：经过多年发展，AI+大数据进行公共卫生监测走过了哪些发展阶段？

王磊：根据我们团队学术研究成果，公共卫生监测大数据已经走过了1.0阶段，正在走向2.0，未来会到达更高的3.0阶段。

公共卫生监测大数据1.0阶段的特征是基于公共卫生内部数据的信息处理和知识挖掘，其数据源主要以公共卫生和医疗体系的数据为主，通过症候群特征揭示疫情发生和暴发。

然而，近期研究表明，开放的互联网和社区数据能更早地感知传染病疫情的早期征兆和暴发，这部分数据在公共卫生监测大数据1.0中并没有得到充分挖掘和体现。随着物联网、移动互联网迅速发展，公共卫生大数据有了更广阔来源，互联网和物联网等多源异构数据对公共卫生大数据监测提供了更加便捷的风险感知途径，基于这些海量的非结构化和半结构开放数据，引入了数据科学和智能分析技术手段，公共卫生大数据监测迈入了2.0阶段。

相比1.0阶段，2.0阶段由于有了实时和广泛的数据来源，公共卫生监测从被动观测转变为主动预警，从专业机构主导转化到全民社会参与，从迟滞响应到实时感知。

随着信息技术的进一步发展，以及“新基建”加速推动，深入基层和社区的信息基础设施将愈加完善。社会传感器网络体系的完备，社会、网络和物理空间呈现出高度融合，公共卫生监测大数据将迈向更加智能化和实时化，将进入可预先感知、全方位监测追溯和精准防控决策的3.0阶段。

谈疫情应用：未来需增加大数据赋能权重

NBD：在大数据和AI赋能公共卫生监测时，主要从哪些环节入手？

王磊：在疫情期间，我们利用大数据技术和平台优势，研发了一系列服务于疫情防控的信息化平台，包括全球疫情监测与分析平台、闻海疫情动态直播平台、疫情监控大脑、防疫物资分发系统等，为疫情信息传播、疫情防控和疫情趋势预测提供技术支持。

整体而言，我们的工作分为三个阶段：一是在疫情初发阶段，将互联网疫情大数据直播嵌入到各地融媒体中心系统中，为政府部门、疫情防控专业机构以及广大用户提供及时、一手和权威的疫情最新信息；二是在曾大军研究员和曹志冬副研究员的带领下，参加科技部信息化专班，在广泛搜集数据的基础上，加入基于传染病的传播动力学预测模型的建模和分析，提供疫情传播趋势和态势研判，报送科技部、卫健委等十余个部委单位，为国家层面的防控决策提供针对性建议；三是全球疫情暴发后，参照美国约翰·霍普金斯大学的疫情大数据仪表盘的理念，推出了国内版的全球疫情监测与分析系统，为相关媒体以及政府部门提供全球疫情实时数据和全球疫情态势分析。

图片来源：摄图网

NBD：您认为近期北京疫情防控效果如何？

王磊：相对于武汉地区疫情暴发情况，此次北京防范和应对显得更加高效，第一时间通过大数据追踪与精准筛查，及时定位了新发地市场相关人员及密切接触者群体，尽快和尽早安排了核酸检测。同时，有关部门在此次疫情应对中，信息公开、舆论引导和防控措施宣传方面做得较为到位。

当然，传染病疫情具有动态性和变化性的复杂特点，如何在结合大数据和AI技术，在疫情防控积累经验，在预判方面更加及时前置，是极具挑战的难题，亟待学术机构和产业界攻克突破。如果通过大数据分析，早于确诊病例发现传染病的征兆，实现提前预警，是非常有意义的一项工作，需要政府部门数据开放、医疗卫生专业机构数据支持和技术公司的算法研究结合，有望实现早期预警目标。

NBD：未来，AI+大数据应用场景有哪些新突破？需要怎样的技术进行优化和支撑？

王磊：未来的公共卫生监测大数据，需要在现有基础之上，增加更多大数据的维度和权重。我也注意到，国家正在规划公共卫生系统全面升级建设，人工智能和大数据肯定是其中不可或缺的重要部分。对于大数据与人工智能企业，存在新的行业机会，如何将各个省、市、县的公共卫生相关数据融通，集合成为公共卫生监测数据库，借助人工智能技术实现传染病早期预警、趋势研判和传播溯源，应该是公共卫生监测的一个重要发展趋势。

NBD：当突发疫情来临，公共卫生的监测模型是通用的吗？

王磊：任何一个领域，尤其像公共卫生这样的专业领域，存在专业门槛，需要专业知识的积累。此外，传染病暴发监测以及扩散分析是非常复杂的，需要和公共卫生专业机构密切结合，有助于得到更为专业和精准的结果。

谈行业机会：技术落地处于竞跑阶段

NBD：北京疫情出现反弹，给AI+大数据监测公共卫生行业带来哪些启示？

王磊：北京此次疫情防控，从信息公开和应对、重点群体跟踪溯源以及健康码的广泛普及等，北京乃至我们国家的疫情应对工作都是非常有成效的，很多信息化举措处于国际领先水平。

未来进一步实现主动预警或预测，要获取更多数据源，包括政府部门、卫生机构、社区企业等层面的数据融合；要借助新基建机会，构建更加广泛的社会传感器；要进一步进行人工智能和大数据模型和算法创新，亟需信息学科和公共卫生交叉学科基础研究投入，以及致力于从事这方面工作的产业和政策支持。

NBD：疫情给整个市场带来哪些变化？

王磊：整个公共卫生大数据监测市场，还是一块尚待挖掘的蓝海。此前，公共卫生监测产业行业应用较少，推广普及度不够。相信借助国家对公共卫生系统升级和迭代的机会，产业链上下游的企业会迎来很多新的机会。

目前，疫情相关产品和应用正在形成新的产业生态，大家熟知的病毒检测和药物开发、测温仪和无接触经济已经得到很好地孵化和快速爆发，而在大数据和AI辅助疫情防控领域，还有非常大的市场空间。大到国家各个部门，小到每个基层单元都是需要AI和大数据防控的产品，但由于公共卫生的行业专业性和领域知识壁垒存在，需要企业创新对行业具备足够深入研究和理解，才能在竞争中脱颖而出。

NBD：今年新基建迎来风口，将给公共卫生监测带来哪些改变？

王磊：我认为，新基建是对信息化基础设施普遍性推广和升级，将助力社会信息流动和计算速度加快，将带来更为广泛的数据感知，更加丰富和及时的数据汇集、更加快速和可信的数据分析计算，对公共卫生监测覆盖面尤其是基层社区覆盖作用凸显，对最终赋能公共卫生防控乃至数字化经济帮助都很大。