大数据在我国重大疫情治理中的应用

钟一苇

摘要：国家在重大疫情中的治理能力，主要体现在疫情爆发前的防范控制、疫情爆发中的医疗保障以及疫情爆发后的社会管理三个环节。此次新冠肺炎疫情，暴露出我国在上述环节中监测预警能力不足、医疗保障机制不健全、执法行为不规范等问题。对此，可利用大数据应用优势，对疫情的治理进行有效辅助。在防范控制环节，利用大数据建立疫情监测、预警、发布三个子系统，实现疫情的“智能化治理”;在医疗保障环节，利用大数据辅助诊断及医疗物资调配工作，实现疫情的“精确化治理”;在社会管理环节，利用大数据提高病患的收治排查效率，规范执法行为，实现疫情的“标准化治理”。通过大数据在上述三个环节的应用，有效推动我国重大疫情治理能力的提升。

关键词：新冠肺炎;大数据应用;重大疫情治理

中图分类号：D630 文献标志码：A 文童编号：1672-626X（2020）04-0013-09

新冠肺炎疫情的爆发，对于我国重大疫情治理能力是一次重大考验。习近平总书记在中央全面深化改革委员会会议中指出：“这次疫情是对我国治理体系和能力的一次大考。……要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好发挥支撑作用。”大数据应用作为信息时代国家治理能力现代化的新型思维和手段，能够实现国家在公共安全、卫生服务、应急管理中数据共享、部门协同、趋势研判、战略分析、科学决策等领域治理能力的提升。在突发重大疫情中，国家治理能力主要体现在疫情爆发前的防范控制、疫情爆发中的医疗保障以及疫情爆发后的社会管理三个环节。由此，如何发挥大数据技术优势，将其应用于疫情防控中的上述环节，以提升我国在重大疫情中的治理能力，是本文探讨的主要问题。

一、监测预警：大数据在重大疫情防范控制环节的应用

对于重大疫情，国家治理能力首先体现在对疫情爆发前的防范控制环节，即对疫情的监测预警能力。此次疫情暴露出我国在疫情监测预警方面的短板：据中国及武汉疾病防控中心发表于《新英格兰医学杂志》的论文显示，在2019年12月中旬新冠肺炎已发生传播，但未引起相关防疫部门的重视。这不仅使得疫情的防范控制工作损失了黄金时间，亦反映出我国在疫情监测预警方面的不足。而大数据则能够通过信息收集、智能处理、云计算等技术，对数据进行自动抓取、深入挖掘、智能分析，从中提取规律，并利用这些规律对相关数据进行监测与预警。因此，为提升我国在疫情防范控制环节的监测预警能力，可利用大数据技术，在国家及省级层面建立权威的“重大疫情监测预警系统”，包括后台“疫情监测层”、中台“疫情预警层”及前台“疫情发布层”，实现疫情信息的收集、分析、发布功能，以辅助国家重大疫情治理工作的开展。

（一）后台：大数据疫情监测层

“重大疫情監测预警系统”的后台为大数据“疫情监测层”，其目标是通过对国家、社会、网络等层面海量数据的收集，整合各部门信息资源，提升我国重大疫情的监测能力。疫情监测层可分为3个子系统，分别对国家数据、社会数据以及网络数据进行收集、整合与监测。

第一，基于“国家数据”的疫情监测系统。当前，我国重大疫情监测在国家层面存在的主要问题是信息的公开与共享力度不足。尽管各防控部门实际已拥有大数据信息化系统，但大多自建自用，导致信息资源互动程度低、共享难。同时，由于不同部门监测标准不一，导致数据形式和格式不统一，难以统筹利用。若将各部门收集到的信息予以整合、共享并统一标准，即能打破“部门藩篱与“数据孤岛”现象，提升重大疫情的监测能力。这样一种基于国家的数据疫情监测系统在国外已被广泛应用：如全球新兴传染病监测系统（GEIS）即致力于整合全球监测系统、疫情调查及日常训练，目前已覆盖92个国家。美国卫生部对有关传染病医疗方面的数据进行公开，建立了细菌传染病监测PulseNe系统和食源性疾病主动监测网。在我国，电子病历系统亦已全面覆盖，公共卫生部门可以通过分析全国各地的患者出现相同或相似症状的信息，预测某些传染病的暴发，提前快速响应。

“国家数据”疫情监测系统的功能为对各政府部门、卫生管理部门、疾病防控中心、突发事件监测部门等疫情防控部门的数据进行收集与整合，建立监测协同机制，实现疫情监测系统的共享共建。首先，各防控部门需要建立统一的数据共享平台，联通各部门数据，并对数据进行初步加工，统一标准，方便系统识别。其次，建立统一的数据接收和传递渠道，使数据能够进入监测系统，完成“警源”数据的收集。再次，在数据收集完毕后，系统即对各部门的海量数据进行存储与抓取，实时监测疫情存在的可能性，并反馈给防控部门。最后，对可能的征兆与风险数据进行深度挖掘与智能分析，形成疫情威胁的风险性报告，提前制定防控预案，以应对可能的风险。

第二，基于“社会数据”的疫情监测系统。由于疫情爆发原因的复杂性，人们的生活方式、卫生习惯、活动轨迹以及地理、气候等因素均可能导致疫情的发生，使得疫情防控中的“社会因素”逐步受到重视，很多公共机构亦开始利用大数据对可能的疫情进行检测。如美国公共健康协会创立的“Flu Near You”网站，即采用大数据技术监测流感的蔓延程度，并预测未来任何有可能暴发的流感疫情。加拿大Bio.Diaspora公司运用地理资讯系统，通过分析人口移动、气候因素、航班起降、卫生系统、家畜密度等信息，发布动态全球病毒地图，预测可能爆发疫情的地区。而在非洲埃博拉病毒爆发期间，通过分析当地居民行动通信资料，大数据在定位疫区位置、预测疫情扩散、合理规划资源等方面亦发挥了重要作用。

“社会数据”疫情监测系统的功能为对各级医院、医疗卫生机构、医保机构、医疗企业等与医疗相关的行业数据进行收集与整合，提升重大疫情监测能力。首先，对于未知疾病可能引发的重大疫情，传统的监测方法均基于历史的临床数据来监测，在临床经验数据为零的情况下，传统方法无法检测到首次出现的疾病。而大数据则不然，通过社会机构的海量数据、公共机构的疾病监测报告、医疗机构的信息共享，即可以监测到某地不明原因疾病的出现，为判断疾病的性质赢取时间。其次，对于突发疫情，可通过大数据监测到疫情爆发区人群流动的轨迹，第一时间通知该人群流向地的疾病防控中心，提前做好应对措施。例如此次疫情中的“百度迁徙平台”，即利用大数据技术展示了封城前离开武汉人员的迁徙轨迹，若各地疾病防控部门能够有效利用上述数据，即可提前拟定措施，在疫区流动人群到达前做好防控准备工作。

第三，基于“网络数据”的疫情监测系统。利用患者患病后在互联网上对相关信息的查询，通过网络的实时信息处理技术，对网络数据进行统计、筛选、甄别、分析，根据对高频率关键词的跟踪查询，可以有效监测重大疫情的发生。如谷歌通过分析其搜索引擎上的关键词，将该数据与疾病中心的数据相比较，根据搜索次数和实际患者的时间序列，利用一个多元线性回归模型，很好地预测了流感的传播趋势。P01green（2008）通过对雅虎搜索记录的分析，指出用户在医疗信息网站的搜索记录，能够很好地用来预测流行病的传播。Ginsberg（2009）通过在谷歌日志中选择关键词，建立模型以监测流感活动，模型预测值与国家疾病预防控制中心数据高度吻合，并且能够提前预测流感病例的发生。

“网络数据”疫情监测系统的功能为对各门户网站、搜索引擎、社交媒体中的海量网络数据进行收集与整合，甄别其中与疫情相关的信息，并对可能发生的疫情进行监控。首先，在系统中设置疫情专业领域的概念、定义与表达模式。由于网络信息的数量巨大、繁杂模糊，需建立一个公共卫生、医疗检疫、疾病防控等与疫情高度相关的专有词典库或数据库，以便让系统能够自动识别。在对这些专业概念、定义与表达进行明确规定和限制之后，再搜集目标网页的数据资源。依据专有领域概念特征的表达和描述，建立目标数据规模训练集，目标数据就可在完整的模式分类和机器学习技术上建立起来。其次，设置专业用语语义过滤机制。其目的是筛选并去除与疫情关联度不大或完全无关的干扰数据和信息，保证疫情监测的准确性。在完成专业用语的界定与过滤后，即可构建目标网页的自动提取技术。最后，利用网络爬虫技术，建立疫情数据搜索机制。通过智能网络爬虫算法技术在各门户网站、搜索引擎、社交网络等公共媒体和自媒体中有选择地搜索特定信息，对与疫情相关的数据进行定向抓捕，从而利用网络数据完成对疫情的监测。

（二）中台：大数据疫情预警层

“重大疫情监测预警系统”的中台为大数据“疫情预警层”，其目标是在将疫情信息进行收集、整合后，对监测到的数据进行智能分析，判断监测数据的风险阈值，提升重大疫情的预警能力。

第一，建立统一的疫情预警系统，将收集到的海量疫情数据进行甄别与分类。由于疫情监测系统获得的国家数据、社会数据、网络数据分属不同的类型，其标准、口径、形式、格式均不一致，因此需先对数据进行类型化，统一数据标准，以便系统能够有效识别。之后还需对数据进行脱敏与过滤，在保护居民隐私权的前提下，判断风险存在的实际状态，使可能或已经存在的疫情警兆能够直观地展示给决策者。

第二，将经过脱敏、过滤后的标准类型化数据进行相关性分析，对疫情的风险指数进行评估。相比于传统的重大疫情预警方式，大数据的优势在于可以从海量的数据中凝练具有连续性、动态性和实时性的信息，并将这些信息进行相关分析，预测疫情的发生趋势，降低警示信号识别的误差率，实现预警决策从假设推动到数据推动的长足飞跃。由此，在疫情的防控工作中，可以利用大数据深度学习技术，将与重大疫情有关的信息进行罗列，让计算机自动识别可能或已经发生的疫情，并发出预警。例如国家数据中的相关信息包括病种、病例、病毒库、电子病历、医保信息中的异常数;社会数据中的相关信息包括地理区域、时间范围、气候因素、人群活动轨迹中的异常数;网络数据中的相关信息包括门户网站、社交媒体、搜索引擎中的异常数等。在将上述数据进行设置后，即可采用时空聚集性分析与时间序列分析等模型，通过相关关系分析，让系统自动给出是否存在疫情、爆发的可能性有多高等风险判断，并及时将结果发送给疫情防控人员。

第三，对风险信息进行分级评估，设定预警阈值。在对预警数据进行相关性分析后，还要对预测结果进行分级，并设置相应的风险指数阈值，以便防控人员能够判断疫情的风险级别，决定是否发出预警、何时发出预警以及发出何种程度的预警。可参照国际“疾病爆发应对系统（DoTscon）”的标准预先将疫情预警级别分为绿色、黄色、橙色、红色，并设置对应的阈值，在系统对监测数据进行分析时，一旦超过阈值，则将监测结果与预警级别进行比对，根据风险级别自动发出预警。例如某疾病防控中心发现某家医院的传染病患急剧上涨，某机构发现该地区居民前往医院的人数比以往明顯增多，某网站发现该段间内传染病的搜索频率大幅增加，这时系统即会对上述信息进行智能分析，得出加权后的预测结果，并根据设置的风险阈值，自动向决策者报告对应的风险预警等级，以为其是否发出预警提供依据。

（三）前台：大数据疫情发布层

目前，我国疫情信息的发布制度主要存在两个方面的问题。一是由于疫情信息发布机构的层级较高，导致信息的发布较为迟缓。我国《传染病防治法》第38条规定：“传染病暴发时，国务院卫生行政部门负责向社会公布传染病疫情信息，并可授权省、自治区、直辖市人民政府卫生行政部门向社会公布疫情信息”。由于疫情信息的发布部门只能是国家和省一级的卫生部门，使得基层卫生部门在发现疫情后，需要逐级上报，大大延缓了疫情发布时间。二是出于各种考虑，一些部门在得知疫情信息后不仅不愿上报，甚至采取封杀或惩戒的方法对社会上疫情信息的“苗头”进行处理，使疫情的防控工作损失了宝贵的时间。对此，有学者指出：“草率地通过行政权力对存在不确定性的信息采取‘一棍子打死的做法，可能导致正确信息被筛选掉，给人民群众生命健康和公共安全造成极大隐患，甚至造成不可挽回的损失。”

“重大疫情监测预警系统”的前台为大数据“疫情发布层”，其目标是对当前疫情信息发布制度的缺陷进行改善。一是对疫情信息发布迟缓问题，可利用大数据技术，将不同级别的预警信息直接发送至国家或省级卫生管理部门。在疫情预警系统发出“绿色”或“黄色”级别预警信号时，立即将信息发送至省一级卫生行政部门;而在系统发出“橙色”或“红色”级别预警信号时，则将该预警信息发送至国家卫生行政部门。这样可使有疫情信息发布权的行政部门能够及时了解疫情状况，并迅速开展疫情调查与防控工作，在第一时间对疫情信息予以发布。同时，亦能有效避免疫情信息逐级上报所消耗的宝贵时间，大幅缩短疫情的反应时间，促使疫情的发布工作迈向精确、迅速及有效。二是对于一些部门在得知疫情信息后不愿上报的问题，大数据可以有效减少人为因素的干扰。大数据的特征之一是自动化，系统在提取、分析和处理数据时是不受人为因素控制的，对于疫情的预警亦是如此，系统只根据收集到的数据得出相应的结果，非人为因素可以影响。因此，可以考虑对国家疫情信息发布制度作出改进，规定一旦预警系统发出“绿色”及以上级别的预警，就应当在相应卫生行政部门的官方网站上自动发布疫情信息，并将疫情数据予以公开。这样不仅能够做到对疫情防控的快速应对，亦能提升国家公信力，使居民更加配合疫情防控部门的工作。

（一）大数据辅助重大疫情中的收治排查

对于排查收治问题，中央指导组副组长陈一新在谈到疫情防控指挥时强调：应搭建大数据平台，加强大数据分析，时刻心中有“数”，实现疫情防控的精准化和高效化。人民日报海外版旗下账号“侠客岛”亦撰文指出：武汉开展疫情“应收尽收”排查面临的主要困境为社区工作者人数不足，以及处理疫情中复杂问题的经验和效率欠缺。对此，政府采用了党员干部下沉社区等一系列方法解决了燃眉之急。在此基础上，本文将探讨如何在现有模式的基础上，利用大数据提高疫情排查收治的效率，减轻一线人员的负担。

第一，确定社区内疑似患者是否已被收治。在此次疫情中，阿里健康开发的“抗击新冠肺炎”软件，利用地图方式对确诊、疑似、死亡和治愈病例进行实时播报，以完成对疫情真况和感染趋势的精准呈现，这是大数据可视化技术的具体应用;RUC新闻坊通过大数据为求助者进行画像，其利用清博大数据提供的400余万条微博数据以及国内19家媒体发布的1413条报道数据，提取求助者信息1183条。通过这些信息定位求助者地址，获得相关的社区信息，在对这些信息进行交叉分析后，进一步了解求助者的经历、处境以及医疗物资的匹配情况网。

因此，本文认为可以集国家与社会的资源，利用更加全面、多样的数据，如政府数据、企业数据、媒体数据、网络数据等为求助者进行更精准地画像，以辅助排查收治工作的开展。首先，可利用大数据对拟开展排查的区域进行统计，并用地图方式对每家每户进行精准定位，使工作人员了解应当排查的具体地点。其次，可利用互联网对社区内居民的健康情况进行调查，了解其是否感染、是否需要收治，利用网络进行首次排查，减轻工作人员负担。再次，对于没有进行网上排查的居民，亦可以利用大数据，分析哪些区域是疫情高发区、哪些区域容易被忽略，需要重点排查，保障工作人员在实地排查时没有遗漏。最后，进行排查后，还可对其进行精准画像，如易感染者的年龄分布、家中老人是否有儿女照顾、生活物资是否充足、社区离最近的医院有多远、从病发到收治需要多长时间等，从而对可能的病患进行预测，为收治预留足够的反应时间。

第二，各类统计报表信息的登记与上报。在疫情中，信息统计出现了同样的信息多个主体重复收集的问题，不仅造成了人力、物力、精力和实践的重大浪费，也严重影响了被收集对象的工作和生活。

而大数据技术的优势正在于信息的收集与统计，其能够有效克服信息的重复收集。首先，在管理方面，可在国家或省级层面建立权威的大数据平台，实现疫情信息的流通与共享。对于工作人员而言，在实现政府部门、卫生行政部门、社区管理部门、疾病防控中心的数据共享后，工作人员每天只需填报一个表格，即能实时传送至上述所有部门，避免重复劳动。对于居民而言，在实现工作单位、居委会、业主委员会的数据共享后，居民亦只需填报一个表格，统计信息即能被上述单位接收。其次，在技术层面，各单位要求填报的表格不仅在形式上大同小异，在内容上亦区别不大。因此，可利用大数据的深度学习功能，自动识别不同表格中的同类项、自动计算类似项，根据第一张表格的内容，自动提取和生成第二、第三张表格中需填报的相关信息，辅助工作人员的填报。不仅如此，大数据技术还能够对信息进行及时准确地记录与评估，只要做好数据的采集与挖掘处理，相关部门完全可以自动提取其需要的各类信息，而无需工作人员手动填报。

第三，“四类人员”等重点人群的跟踪与防控。对于“四类”人员中的疑似病例、无症状患者、与病患密切接触者，社区工作人员需要密切跟踪，以防止病情的大面积传染。但在实际工作中，这项工作不仅琐碎、复杂，且需要对其进行长时间的关注，极为消耗工作人员的精力。而利用大数据技术，通过数据对重点人群的流动方向进行监控，预测其可能的移动轨迹，能够避免盲目布局，有效辅助工作人员的跟踪与防控工作。

在信息技术快速发展的今天，大数据可通过多种渠道获得人员动向，例如移动通信的轨迹监控系统、交通购票数据、道路摄像头监控设备、QQ及微信等网络通讯工具等，均可对重点人群实施定位跟踪。由此，即可利用GPS定位及围栏技术对特定人群经常出入的场所进行定位分析，在叠加多次数据流以后，得出其在这个时间段内的行动轨迹曲线结果，继而适时识别其行动偏差并做出监测意见。同时，还可通过身份证关联算法、异动数据分析、关系网数据分析等模型，分析其移动轨迹的变动曲线和流向对比，对其可能前往的地点进行预测。但应指出的是，在利用大数据对重点人群进行监控与跟踪前，应充分告知，征得其许可，以切实维护其隐私权利。

（二）大数据提升重大疫情中的执法能力

在大数据辅助重大疫情中的执法方面，可利用大数据云存储、云传输、云计算、云安全等技术构建执法应用服务。如南京市政府开发的“我的城市”APP，居民可通过发送文字、拍照、上传等方式在APP上反映问题，系统收到相关信息后上报至政府综合服务平台，在进行智能识别后，立即将信息转到执法单位的处理平台上，通过定位系统，直接指揮信息上传者附近的执法人员，并对其执法行为进行监督。在此次疫情治理中，亦可通过大数据与执法行为的深度融合，规范执法行为，提高执法效率。

第一，在规范执法行为层面，对于疫情中的违规执法现象，被侵权人如何取证以作为维护其合法权利的依据，即“取证难”是此次疫情治理中的难题之一。而大数据能够对执法的全过程进行留痕，使执法记录有据可查。首先，规范执法行为的基础在于证据，而数据正是记录证据的重要载体，不管是文字、图片，还是音频、视频，大数据均可对执法的全程进行记录，并且以数据为基础的证据能够减少主观和人为因素的干扰。由此，通过大数据实现纪录留存与证据留痕，可有效打破判断某个执法行为是否规范取证难的困境。其次，规范执法行为的关键在于公开、透明，使执法全程有据可查。大数据技术可通过对执法现场信息、执法记录仪信息、城市监控信息、移动设备终端信息、GPS信息的收集，对执法行为的全程进行记录。而上述信息，均可在符合证据合法性规则的前提下，作为证据予以保存，为判断执法行为是否规范提供依据。

同时，在疫情期间，出于维护公共安全的需要，执法人员需加强执法力度，避免人群聚集，以降低居民间交叉传染的几率，在此过程中，亦不可避免地会产生一些纠纷。因此，如何加强对执法行为的监督，保护居民的合法权利不被侵犯，亦是此次疫情治理面临的一个重要问题。而大数据能够对执法的全过程进行监督，有效解决执法纠纷，保证执法行为的合法性。在内部监督方面，可通过实时考勤系统、执法记录仪、城市监控等技术手段，实现执法机构对其执法人员执法地点、执法时间、执法行为及执法项目等内容的监督，减少执法过程中执法人员对其自由裁量权的滥用。在外部监督方面，一旦居民或媒体发现执法过程出现违法或不规范现象，即可将其记录的执法全程上传至执法信息服务系统中，并可申請执法信息查询。在系统收到查询申请后，执法机构即可对执法记录仪、城市监控、GPS中的信息进行比对，进而判断该执法行为是否合法、是否规范。而对于当事人对执法行为不满而引起的执法纠纷，执法机构亦可依据大数据收集的关键影像对执法过程进行回放，依法作出裁决或回应。

第二，在提高执法效率层面，由于疫情期间需要投入更多执法力量对社会秩序进行管理，在增添执法人员工作负担的同时，亦使执法成本大幅上升，而大数据应用则能够有效节约执法成本与执法资源。首先，云存储技术可将执法记录直接保存至云端服务器，直接减少存储设备的花费。由于法律规定，与违法事件相关的执法记录需被重点标记并长时间保存，为此执法机关需购买大量价格高昂的存储设备，花费巨大。而通过云存储技术将下层视频设备直接与云中心互联，仅需上传一份视频数据，即可将其长时间保存，极大降低了执法的存储成本。其次，云计算技术可实时对执法过程进行记录与分析，节约执法时间。通过对数据挖掘、机器学习、智能分析等云计算技术的整合，可减少信息重复采集和人工整理分析的时间和费用，并有效提升执法机构获取、分析、处理数据的能力。最后，云共享技术能够打通上下级执法机构间的信息壁垒，降低案件处理成本。通过建立统一的执法办案平台，利用系统云共享功能，下级执法机构可将执法情况第一时间上传至上级机构，由其对案件的处理进行评判与指导，并实时将决策权下沉到下级机构。这样即联通了上级与下级机构的信息传递，降低了执法决策的运行距离，节约了执法成本。

同时，大数据亦能够预判可能发生的违法案件。对公共社会实践的发展态势做出预测、模拟、判断是大数据技术的主要功能之一，美国学者巴拉巴西认为：“在大数据时代，人类行为中有93%是可以预测的。”利用网络爬虫、MBR分析、神经网络等技术，可通过历史梳理和现实热点分析，判断高发、频发和可能发生的问题，快速定位执法痛点，形成预防式执法。如在疫情爆发初期，可利用大数据预判哪些医院可能成为病患密集地，进而制定预案措施，提前增派执法力量。在疫情应急响应阶段，亦可利用大数据预测哪些公共场所可能成为人群集中地，进而提前布局，实现快速反应，提升执法效率。

四、结语

科技的进步，为提升未来我国重大疫情治理能力展现了更多可能性。正如习总书记在主持中共中央政治局第二次集体学习时指出的：“要运用大数据提升国家治理现代化水平，建立健全大数据辅助科学决策和社会治理的机制。”面对此次疫情暴露出的诸多问题，大数据能够在一定程度上摆脱传统疫情治理方法所带来的弊端。首先，在疫情爆发前的防范控制环节，通过大数据在预警监测方面的应用，对政府、社会、网络中海量数据的收集、分析与预测，克服传统模式中信息零散、杂乱、模糊等特征，实现疫情在防控环节的“智能化治理”。其次，在疫情爆发中的医疗保障环节，可利用大数据对疫情信息进行全要素、全样本、全方位的相关关系分析，克服传统模式在诊断治疗、物资调配过程中面临的时间长、难度大、局面乱等问题，实现疫情在诊疗环节的“精确化治理”。最后，在疫情爆发后的社会管理环节，运用大数据对收治排查与执法工作进行辅助，克服传统模式中公共管理效率低、执法行为不规范等问题，实现疫情在管理环节的“标准化治理”。由此，通过大数据在上述三个环节的应用，对我国重大疫情的治理进行有效辅助，提升国家治理现代化水平。