百度和Google疾病預測有不同

目前可供個人使用的大數據工具主要有兩類，一類是來自醫學監測機構的大數據，類似中國的疾控中心，美國的Carolinas Health Care，日本京都大學荒牧研究所等，以來自就診患者統計為主，輔以大數據分析手段，以顯示某地區目前流行病的發病情況為主，預測疾病流行走向為輔；另一類則來自搜索引擎和數據分析機構，包括Google Trends的疾病預測，百度預測的疾病預測，以及基于社交搜索的sickwether、patientslikeme和融合性的Healthmap等，以預測疾病流行走向為主，展示區域發病情況為輔。

兩種數據工具的手段大同小異，區別只在于前者提供的數據多是針對大區域的、服務機構的數據需要，后者則多針對小區域甚至某個城市商圈，為個人消費者服務。

Google 預測曾經很準

谷歌流感預測（www.google.org/flutrends）早在2008年即已推出，原理是采用流感趨勢系統監測全美的網絡搜索，尋找與流感相關的詞語，比如“咳嗽”和“發燒”等，并利用這些搜索結果來提前9個星期預測可能與流感相關的就醫量。

2009年在H1N1爆發幾周前，谷歌公司的工程師們在《Nature》上發表了一篇論文，介紹了GFT，成功預測了H1N1在全美范圍的傳播，甚至具體到特定的地區和州，而且判斷非常及時，令公共衛生官員們和計算機科學家們倍感震驚。

這個工具最初運行表現很好，許多國家的研究人員已經證實，其流感樣疾病（influenza-like illness， ILI）的估計是準確的，并且可以提前數周乃至數月，不像疾控中心一樣要在流感爆發一兩周之后才可以做到。

但此后的2013年，《新科學家》發現，在過去3年，該系統一直高估與流感相關的就醫量，在這類數據最有用的流感季節高峰期尤其預測不準確。在2012/2013流感季節，它預測的就醫量是美國疾控中心（CDC）最終記錄結果的兩倍；在2011/2012流感季節，它高估了逾50%。

《scientists》雜志認為，錯誤源自一種被稱作大數據浮夸（Big Data Hubris）的算法變化，例如對模型的人工優化，或是模型對某些不當關鍵詞的自動調整（例如某些搜索其實源于季節而非真實發?。?。

芝加哥大學衛生促進研究中心博士后、衛生經濟學者陳茁也曾撰文分析了其中的原因。他認為，谷歌搜索的結果和使用者人群“自我估計”的流感發病率相關。但在現實中，普通感冒在不同個體身上的嚴重程度上會有差別，有些患者因為擔心，便搜索了相關信息。這些搜索構成了類流感“自我估計”中的“噪聲”。如果只用“谷歌流感趨勢”預測流感發病率就會存在問題。

陳茁認為“谷歌流感趨勢”項目失誤的另外一個原因是在數據分析方面存在欠缺。哈佛大學Gary King和搭檔的研究就指出了谷歌項目在分析上的不足。首先，這個項目沒有盡可能利用傳統的統計分析手段來剔除系統誤差，比如殘差的自相關性和季節性；其次，“谷歌流感趨勢”忽略了其他數據的作用。如果結合美國疾控中心的數據，谷歌的預測其實有可能被大大改善。

百度預測野心很大

百度的疾病預測（http：//trends.baidu.com/disease/）于2014年6月上線，目前可以對全國34個省區、331個地市、2870個區縣、19個城市的2558個商圈的11種疾病進行未來趨勢的預測，包括提供流感、肝炎、肺結核和性病等疾病的活躍度、流行指數，以及各種疾病相關的城市和醫院排行榜，用戶可以查看過去 30 天以內的數據和未來 7 天的預測趨勢。而且百度還在疾病預測的頁面上，整合了百度旗下其他優勢產品資源，比如在頁面右下角提供了百度百科和百度健康的鏈接，用戶點擊過去就可以了解到有關當前頁面疾病的各種相關知識。

百度疾病預測還加入了一些最新的技術成果和數據采集結果。例如，從公開資料來看，該產品模型的搭建一是通過歷史數據構建統計規律性，比如流感或者手足口等疾病具有季節性周期的規律，二是通過研究疾病人數與其他相關數據的相關性來計算預測結果，同時從統計的角度來驗證數據的正確性，以機器提供的數據為基礎，加入對異常數據的監控和分析。

而為了讓預測的準確率更高，百度還做了另外兩方面的努力。其一是在數據合作上，不僅引入權威機構的相關數據而且保持同步更新，這其中不僅包含數據互通，同時也會與合作方的專家進行產品交流。

另一點不同在于，百度預測引入社交、天氣、人群遷徙等搜索之外的數據，在搜索數據上，Google的query數據依賴于Google Correlation產品，而百度則是直接從原始日志中進行清洗、消岐、擴展和分析，相對來說，理論上更容易避免“春天感冒怎么辦”這樣的查詢影響結果。此外，百度的地理劃分可以細化到城市商圈，可以查詢的疾病也比Google多。

事實上，百度的“野心”遠不止簡單的疾病預測，讓“大數據落地”是如今互聯網公司不得不做出的改進，而百度也將在醫療領域深化定制化的健康信息服務。

為了讓疾病預測不只是一堆數據的堆積，而成為“中國人的健康圖譜，老百姓實用的生活助手”，百度正在對此產品進行優化，希望繼續增加病種，以覆蓋常見傳染病和慢性病。

此外，“除了時空數據，我們還會增加天氣、環境污染、用戶屬性數據，希望能夠針對不同用戶，提供個性化的防病、健康信息推送。”百度相關負責人透露，百度疾病預測還將提供每日疾病指數等細化數據，日后有望增加個人健康顧問、預防治療措施、求醫用藥指導等功能。

來源：ITBear、健康LIFE

《中國科學報》