大數據能夠預測疫情爆發嗎？

趙雅丹

人類在生死面前是如此的渺小，因此整個人類世界面對一些極高致死率的流行病時總是充滿了恐懼，其中埃博拉更是談之色變的“人類殺手”。2014年西非暴發了埃博拉疫情。幾內亞首先出現了埃博拉病例，2014年2月其境內大規模暴發。5月23日，疫情蔓延至幾內亞人口200萬的首都科納克里。有專家指出：“科納克里水源缺乏，人們都舍不得洗手。”這種衛生條件使得傳播風險極高，應對非常困難。

與往次暴發不同，2014年埃博拉病毒先后波及幾內亞、利比里亞、塞拉利昂、尼日利亞、塞內加爾、美國、西班牙、馬里8國，第一次跨出了非洲，傳至美洲、歐洲;并首次超出邊遠的叢林村莊，蔓延至人口密集的大城市。2014年4月傳入利比里亞;7月26日進入尼日利亞;8月29日傳入塞內加爾。9月30日，美國本土得克薩斯州達拉斯市發現首例埃博拉感染病例，也是非洲以外確診的第一例。10月6日，一名西班牙護理人員在馬德里被確診感染埃博拉病毒，成為首例在歐洲境內感染該病毒的患者。

塞拉利昂是此次埃博拉疫情最為嚴重的國家之一。由于當地特殊的喪葬習俗，一些民眾自行安葬因感染病毒而亡者，引起了更多的感染案例。塞拉利昂國內沒有建立警示和防疫機制，衛生管理部門亂成一團，只能靠人力宣傳、搜集和匯總信息，速度又慢又不準確。議員走上街頭，向居民傳授防治知識，要求各家各戶不得隱瞞家中有人患病的情況、不能自行處理死亡病例的尸體。一位派往社區支援的醫護工作者阿拉桑·圖雷無奈地直言，他們沒辦法檢測和追蹤每一個傳染個案，沒辦法處理尸體。于是，2014年10月塞拉利昂進入大暴發期——9月平均每日新增1個感染個案，進入10月每日新增感染個案激增到12個。塞拉利昂時任警長表示政府正在嘗試建立系統，讓疑似病例能夠接受檢查，從而降低傳染的幾率。

西非各國的衛生條件和國家治理能力的不足難以控制埃博拉的傳播。當聯合國和其他國家提供醫療救助時，參與國際救援的工作者卻經常面臨缺乏可靠的信息——沒有有關病例位置的數字化信息;沒有標注出后勤、治療中心、社區管理機構、志愿者服務點以及物資供應地點的準確數字化地圖;無法獲得關于疫情傳播中心點的準確數據以及有關患者和接觸者的個人數據;也沒有跨平臺、跨地區和跨部門共享的通用數據平臺。在現場的流行病學家之間收集的數據有所不同，導致對疫病預測的混亂和不準確。可見，高質量的數據系統是任何流行病應對的基礎。

日漸重要的數字醫療技術

數據的缺乏可能會延誤流行病的應對。在過去的十年中，世界各國越來越多地從基于紙張的信息系統過渡到數字信息系統。各種商業軟件產品已經被開發出來，幫助衛生服務信息管理、衛生工作者位置紀錄、客戶病歷管理和供應鏈更新數據等，數字化的遠程醫療、會診也成為現實。而用戶的大數據也展現出對疫情監控的巨大助益——可以通過電子商務平臺上的醫療物資的訂購情況，推測流行病的發展趨勢，實驗室可以借助醫療大數據繪制流行病傳播模型、對病毒進行基因研究……

但是，并不是所有數字化的數據結果都能為流行病防控決策提供更好的信息。現實環境中，存在著許多華而不實的技術。以零散和重復方式部署的數據捕獲工具，也可能增加衛生管理部門的負擔，降低效率。從數據使用者角度來說，盡管新的數字工具和方法有了長足的進步，但地方或區域相關使用者、管理者的治理能力卻沒有相應提高，缺乏相應有效的培訓，數字工具的應用可能很難并可能被誤用。此外，即使已經數據化，但是沒有強大的系統來匯集、分析數據，協調多部門響應，也會阻礙整體防疫工作。因此，除了工具和技術的提升，努力提高數據質量、提升系統分析能力和協調能力，對數字醫療技術至關重要，其中最重要的是，支持數字工具使用的治理結構和政策。

數字醫療技術，就是醫療技術的數字化和大數據化，一個高效傳遞、多元共享、減少傳遞障礙的醫療信息系統。面對流行病的數字醫療技術，通常是在國家內部建立一個以緊急行動中心為信息核心的國家防疫機制。緊急行動中心通常在一個國家的總理或衛生部長的領導下運作，將數據監控和決策整合到一個中央機構，并在一個國家的各個部門通力協作下實施防治方案，而其中至關重要的是緊急行動中心或類似組織在預防、發現和應對流行病中應居于領導地位。

美國國際開發署（USAID）從應對西非埃博拉疫情后認為，當前的全球衛生工作中應該更加重視醫療的數字化和大數據化。美國為此建立了緊急行動中心（EOC），以期大大提高美國聯邦層面的準備和響應能力。EOC通過建立了數據平臺，將各種來源的監控數據和其他信息匯集至中央決策機構。相關者進行疾病相關數據的解讀，識別出健康威脅信號，并按照標準操作程序迅速采取行動加以遏制。

利比里亞首都蒙羅維亞，8歲的男孩在外面躺了6個多小時才被醫療隊送往治療中心。

西非各國的衛生條件較差、國家治理能力較弱，致使它們在面對疫情時更是難上加難。

塞拉利昂在埃博拉疫情期間的“亂墳崗”。

數字醫療技術并不會阻止疫病的發生，它只是對疫病的預警、發展和防控提供數據信息支持。想要數字醫療技術發揮作用的根本，一個是數據的準確性，一個是數據全面性。而流行病防治系統面臨的最大的障礙正是數據的共享治理。

在面對西非埃博拉疫情時，由于沒有準確的數字采集、匯總和匯報機制，又缺乏數據治理結構情況下，西非各國衛生當局很難從不同的數據系統中，匯總出疫病發展的真實情況，更沒有辦法與醫療援助者共享這些數據。國際社會一直關注埃博拉疫情的發展，但他們也只能根據西非國家上報的數據來采取行動。任何混亂的數據都會阻礙國際社會的響應，延誤醫療援助工作。因此，一個高效的流行病監控和防治系統，應該提前對數據的所有權、訪問權有明確規定，更應該有明確的信息共享的標準流程，同時注重合理的隱私保護和數據安全性。

從本質上講，以數字醫療技術為基礎搭建的國家流行病防疫體制，最重要的是結構問題，而不是技術問題。我們的社會本身就存在著大量的信息孤島和信息鴻溝。信息也是一種權力，掌握信息也是掌握著權力。調整和簡化決策結構是一個良好的開端，但是處于流行病防治核心的衛生工作者，還必須具有數字信息匯總、跟蹤和分析的能力和權限，這種數據處理權應該以國家決策層面為準。因此，一個國家就需要通過立法機構和行政機構，將數字衛生治理的結構，流程和規范變成公開、具備操作性的制度。數據處理權同時還應該能夠打破層級和部門限制，實現跨部門、跨層級的相互訪問。

在國際層面，數字醫療技術也有非常大的局限——在最需要數據分享的時候沒有分享數據。國家是個復雜的行為體，一些國家擔心隱私泄露、或者擔心引發政治問題、或者擔心疫情打擊本國經濟，所以在流行病暴發最需要信息共享時，限制了國際間的信息交換。在打破信息孤島和信息鴻溝上，國家間需要對數據訪問和安全策略提前進行規劃。比如，國家間提前簽訂應對流行病數據共享協議，預先明確共享數據的條件。但這些協議可能很難達成，此外，還有惡意行為者可能通過網絡攻擊，散布錯誤信息在疾病應對工作中造成混亂，這都對國際間的數字醫療技術的數據共享提出了挑戰。

美國數字醫療技術的發展

鑒于西非埃博拉疫情的經驗教訓加上近年的技術進步，美國衛生管理部門已經看到了數字衛生技術的巨大潛力，他們在過去的5年里將其作為工作的重中之重。他們開發的系統交互性操作，可以使實驗室系統自動將可疑病例的測試結果共享回電子病歷，從而將結果與患者無縫連接。一線臨床醫生可以及時查看患者檢查記錄，并確定最佳治療方法。通過系統的增強的監測和實驗室工具，在治療流程上的各個級別更及時、準確地收集和共享高質量數據，可以幫助在疫情暴發之前迅速發現病例、提高疑似病例的確診速度和準確性。利用移動技術可以更快地收集和共享數據，即使在第一線的工作人員也可以加快早期檢測結果的獲知。使用數字工具實時跟蹤和管理商品供應鏈，能夠加快響應速度，并可以區分流行病級別和嚴重程度。

數字醫療技術為美國疾病預防控制中心、美國國際開發署和國防部等機構提供了大量支持。這些部門著重于人畜共患疾病、疫病監測和抗生素耐藥性檢測。他們與其他國家和社區合作，使用數字醫療技術來監測有可能暴發的流行病威脅。而美國國防部也借助數字醫療技術，加強研發對微生物的監控，以預防和應對可能威脅國際和國內穩定的傳染病暴發。

美國國際開發署（USAID）支持的幾個應用系統已經在流行病預防中發揮出了明顯的作用。醫學流行病人工智能AIME是由一個AI實現監控的平臺，它使用多種物理和環境因素的數據，來提前預測未來寨卡和登革熱等疾病的暴發。這項技術已在里約熱內盧、新加坡和馬來西亞使用，使這些國家能夠最多提前3個月得知登革熱的暴發，其準確率達88.7%，精度達到400米以內。

而電子綜合疾病監測和應對系統eIDSR在許多國家被采用，該系統用來改善本國衛生管理中的信息數據。比如，在塞拉利昂和坦桑尼亞，這些地區開始以電子文本的方式向國家報告數據，與原來的紙質系統相比，人為數據輸入錯誤的情況減少了一半，并且獲取和驗證數據的速度提高了60%。在越南，eIDSR系統已在所有63個省、711個地區對44種傳染病和綜合癥進行了數據監控，從而可以在臨床和預防醫學領域間進行實時報告和信息共享。

同時美國也認識到了，數字醫療技術可以增強和支持全球性的衛生安全工作。全球流行病防控的關鍵還是在于中低收入國家。因此幫助中低收入國家開發數字醫療工具，制定強有力的數據治理政策，實現衛生管理部門的迭代發展，大大加快衛生當局發現和應對流行病的能力。

CT技術可以算是數字醫療技術的前端數據收集手段之一。

數字醫療技術的可視化工作，為醫生，決策者以及病人本身提供了更直觀高效的信息窗口。

美國與有意合作的國家和地區，提前進行溝通協調，簽訂了國家之間以及內部公私伙伴之間的數據共享協議。在疫情暴發之前幫助這些國家進行網絡建設，建立共同操作的信息標準，用以支持數字醫療技術系統的相互性操作，增強數據共享。當然，數據共享協議的簡化版，則是開放的溝通。根據2019年《美國政府全球衛生安全戰略》的規定，美國疾病預防控制中心、美國國際開發署已開始在6個合作伙伴國家每季度召開一次會議，交流經驗教訓，并協調工作。

USAID發起了一項基于數字醫療技術系統的《東非跨境衛生服務和轉診計劃》，現已被東非共同體所有國家批準為優先建設項目。而美國的艾滋病緊急救援計劃（PEPFAR）也將為30個國家和地區的實驗室信息系統、電子病歷信息系統和HIV病例的監視系統提供技術支持，以實現患者報告和統計數據的自動更新。而通過USAID資助的傳染病檢測和監視項目（IDDS）也將被這些國家視為重點的數字醫療活動，這將幫助這些國家更好的監控流行病，并持續關注抗生素的耐藥性。

非洲疾病預防控制中心也計劃成為非盟成員國實施數據共享的平臺，并通過其區域協調中心（RCC）為成員國的工作人員提供信息技術培訓。通過整合數字化信息和數據治理，促進國家政府、區域機構與主要私營部門合作伙伴之間的醫療合作。此外，世界衛生組織也推進著數字醫療技術的發展。其《2020-2024年數字衛生全球戰略》正是數字醫療系統的新指南。該戰略還制定了國際間共享數據的國際標準，規范了數字醫療的通用術語和方法。這些國際標準的確立，可以幫助各國機構之間更加協調一致地制定數字醫療政策、規劃數字衛生系統建設;在流行病應對的實踐中，國際醫療工作者能夠得以更有效地互動。

仍在前進的數字醫療技術

我們現在剛剛接觸數字醫療技術，在未來的十年中，我們不僅要面對數字技術的加速創新，而且有望面對數據收集、管理和利用的大變革。數字工具的進步很大程度上是由私營部門推動的，他們為數字醫療創新開發帶來了專業技術，但往往缺乏適合訪問的用戶界面，對公共醫療系統運行情況的了解也知之甚少，從而很多系統工具難以成為最佳選擇。如果沒有私營部門與政府、公共衛生當局和其他全球衛生機構之間有效地合作，即便有了數據信息的共享，實物的捐助和醫療資源的分配潛力也會受到限制。所以，在全球范圍內吸引私人部門參與推進數字醫療工具的開發，解鎖用于數據分析、交互性操作和數字支付的新功能和新方法依然是當務之急。

私營部門的創新是數字醫療技術未來的保障。最先進的AI技術能夠快速識別早期傳染病爆發的信號并加快響應時間。專門從事數據分析的可視化公司也可以設計新工具和操作界面，以便衛生當局可以更好地將數據用于決策。社交媒體公司則可以消除不當的錯誤信息，并宣傳準確信息，有助于平息謠言和恐慌。數字應用程序還可以直接解決流行病應對中的經濟問題。例如，剛果民主共和國在面對先前的西非埃博拉疫情時，無法有效支付醫務人員的薪酬。而現在數字支付程序和移動銀行業務能夠直接向醫務人員付款。這極大地防止了腐敗，同時激勵那些與一線的工作人員。

在埃博拉疫情爆發期間，私營部門公司為物流、供應鏈和數據管理提供了資金和實際支持后，通過全球衛生安全議程私營部門圓桌會議（論壇）與許多相關行業建立了伙伴關系。這些合作雖然是一個有希望的信號，但更廣泛的行業合作依然勢在必行。數字醫療技術將國際、國家、社會、市場、個人聯系在了一起，通過數據治理結構共享了信息，必然在不遠未來的流行病防控中發揮更大的作用，實現全球健康水平的共同提升。