明知山有釜，大数据带你绕开釜山行

大数据釜山行病毒传染

数据之王 | 2016-09-23 11:01

【数据猿导读】在失序的世界里，幸存者该如何选择？为了控制传染，国家机器往往都会启用极端模式，最有可能的就是一锅端，如同釜山行中试图捂住盖子的韩国政府。丧尸大军、极权体制与个人意志，则会产生不可调节的激烈对撞

在八百万种世界完蛋的方式里，丧尸爆发可能是比较苦恼的一种——毕竟核爆，飞灰湮灭也就是一瞬间，而变成丧尸前，即使明知不是天选之子，多少还是要挣扎一下。

变成了丧尸的亲人还算不算亲人？丧尸的恐惧来自其传递的类人又非人的孤独感，人类属性丧失，社会属性悖离，却又模糊具有人的面貌特征，你需要很小心地守护自己，只要一个不小心，就会从正常人堕落成似是而非的异类。

在失序的世界里，幸存者该如何选择？为了控制传染，国家机器往往都会启用极端模式，最有可能的就是一锅端，如同釜山行中试图捂住盖子的韩国政府。丧尸大军、极权体制与个人意志，则会产生不可调节的激烈对撞。

无怪社会主义没有翻着白眼站起来的zombie，我们的生活充满阳光。

距离下一场瘟疫有多远？

作为人类历史上最严重的瘟疫之一，中世纪的黑死病曾肆虐了整个欧洲，其恐怖不亚于丧尸来袭。

对于那些感染上该病的患者来说，痛苦的死去几乎是无法避免的，没有任何治愈的可能。按不同估计，死者在7500万人到2亿人之间，给欧洲造成毁灭性的伤害，也动摇了基督教的信仰根基。

如同人类医学体系不断修正一样，病毒也是在不断进化的。据世界卫生组织数据， 在2009年发生的那场H1N1流感中，全球造成至少12220人死亡，一周内新增死亡人数704人，全球股市因此下跌10%左右。

2015年，多国科学家研究发现，艾滋病毒已知的4种病株，均来自喀麦隆的黑猩猩及大猩猩，是人类首次完全确定艾滋病毒毒株的所有源头。

时至今日，足以毁天灭地的病毒也许正潜伏在某个从无人履迹的地方，静静等候着第一个拜访者。

价值3000亿刀的行业

随着城市化进程的加快，人口和财富高度聚集，居住环境恶化，病毒也随之蜂拥而至。

高传播性的疾病如流感都容易在城市中流行，过去十多年发生的各种大规模流行病历历在目：SARS、甲型H1N1流感、手足口病、H7N9禽流感，几乎每隔一段时间，流行病就会以不同的形式卷土重来一次。

这其中，中国是表现最为明显的国家之一，由于人口众多，随着经济的发展，人员跨区域流动性加大、城市化加剧、城市人口密度增加、结构变化等都加剧了流行病发生、传播、蔓延的几率及传播速度。同时科学技术的进步、医疗手段的提高、抗生药物等广泛使用，也加速了病毒、细菌等病原体的扩散、变异和进化，出现一系列新的致命新病原体感染传播。

美国管理咨询公司麦肯锡全球研究院(MGI)预测，如果美国的医疗行业能够有效利用不断增长的大数据来提高效率和质量，那么每年可创造超过3000亿美元的额外价值，可以挽救无数本可不应该失去的生命。

大数据时代的病毒防控

如何真正利用大数据，来做到疾病的预防和控制呢？

首先，随着移动互联网现在的不断发展，越来越多的用户开始选择把业务和使用习惯都转移到了移动端。 基于海量数据用户搜索的社交APP以及LBS等技术层面，可以建立结合原有疾病监控系统中的流行疾病法定报告数据、流行疾病病例，结合疾病、环境数据，及时发现并绘制出流行病风险地图。

当某一地区如果发现和疾病有关的“搜索热词”数量和频率出现异常情况，就可以结合医院的疾病控制中心监控等数据，很快的连接并且上传到疾病控制中心网络当中，这样一来，不仅确切的疾病源地点可以准确定位，而且疾病的扩散趋势也能够很快的做到一目了然。

HealthMap是一个利用大数据反应疫情的网站/应用，它使用一定的算法来抓取来自社交媒体网站、本地新闻和政府网站、传染病医师的社交网络和其他渠道的数据，用于探测和跟踪的疾病暴发。

2014年3月14号，He althMap通过自己的系统，预警了几内亚境内爆发的“神秘出血热”。2014年3月19号，HealthMap确认其为埃博拉病毒并对世界卫生组织发出警告，还给出了其在几内亚东南部热带雨林地区传播的粗略地点和路径。2014年3月23号，世界卫生组织正式宣布埃博拉疫情爆发并报告了第一个确诊案例。

在这时，HealthMap已经追踪了在几内亚的29例确诊和29人死亡 ——所有数据和报告都来源于社交媒体和当地政府网站等。

其次，在基于搜索数据和LBS数据方面，分析不同时空尺度人口流动性、移动模式和参数进一步结合病原学、人口统计学、地理、气象和人群移动迁徙、地域之间等因素和信息， 建立流行病时空传播模型，确定流感等流行病在各流行区域间传播的时空路线和规，得到更加准确的态势评估、预测。

随着近几年人工智能化水平的不断提升，更加促进了流行疾病的监控和风险评估水平进步，成为流行病毒的最大克星。

此外，结合LBS、社交app相关信息，从更加微观尺度上更加精准的进行流行病监测和预测，同时通过权威途径及时告知流行病的发展状况和预防措施， 让用户了解周边流行病活动的真实情况，为生活提供参考性更高的信息，避免散布谣言。

2009年爆发的流感病毒，谷歌就利用大数据，很好的解决了这个问题。谷歌基于其搜索领域的强大用户量，通过用户的搜索关键词和内容，以及保存多年的搜索记录，很快精确的分析出了每天来自全球高达30亿条的搜索指令，从而完成了对病毒爆发的预测。

同时，通过谷歌对这些大量数据的快速分析，很好的控制住了疾病的扩散，保护了更多人的健康安全。

如果不采用大数据，仍然遵循发现病例、报告疾控中心、专家分析、采取措施的传统步骤，可能会在整个流行疾病的防治过程中产生滞后性，从而错过最宝贵的救治时间。

存在了46亿年的地球不需要人类拯救，我们永无可能征服自然，我们只能尽可能地适应它。

Live long and prosper.