在百度大數(shù)據(jù)開放大會上，中國疾病預(yù)防控制中心的高福院士在開講時就向聽眾拋出了一個問題“如果2003年百度的搜索引擎和現(xiàn)在一樣發(fā)達(dá)，能夠提前告知我們廣州、香港已經(jīng)開始出現(xiàn)SARS病毒感染了，那么其他地區(qū)的危害是否會變得小一些？”

而這一問題也其實(shí)暴露了傳統(tǒng)疾病預(yù)防控制的方式的不足，最大的不足在于實(shí)時性上，疾病的傳染控制搶的就是時間，與死神賽跑。而此次疾病預(yù)防控制中心與百度的合作也正是意在改變現(xiàn)狀，開始利用大數(shù)據(jù)對疾病傳播進(jìn)行更先進(jìn)的監(jiān)控與控制。

谷歌已在疾病預(yù)測防控上已經(jīng)走出先例，那么我們先來看下谷歌的谷歌流感趨勢（Google Flu Trends，GFT）的工作成果，再對比百度，從中窺視中國疾病預(yù)防控制的大數(shù)據(jù)未來。

一，谷歌在疾控上的成就

2008年，谷歌上線“谷歌流感趨勢”項目，該項目開始預(yù)測流感傳播。

2009年在美國的H1N1爆發(fā)幾周前，谷歌成功預(yù)測了H1N1在全美的傳播范圍，具體到了州還有特定地區(qū)，判斷非常及時，令美國公共衛(wèi)生機(jī)構(gòu)以及全美大為震驚，疾控中心通常只能在流感爆發(fā)一兩周之后才可以做到，而谷歌的及時性讓全美側(cè)目。

這是真正第一次利用搜索引擎大數(shù)據(jù)對疾病控制的預(yù)測嘗試，谷歌因此也獲得巨大殊榮。

二，中國疾控中心的大數(shù)據(jù)方向

此次疾控中心與百度深入合作，不僅利用百度的數(shù)據(jù)技術(shù)來達(dá)到疾病傳播的控制，還將拿出官方的監(jiān)測數(shù)據(jù)與百度進(jìn)行深入分析并建立模型。以下是在大數(shù)據(jù)下，疾病控制可以做到以下幾點(diǎn)。

1，提前確定一定規(guī)模的未知疾病，為疫情控制爭取時間。無論傳統(tǒng)檢測還是大數(shù)據(jù)都是無法監(jiān)測到任何沒有臨床癥狀的病例的，這些經(jīng)驗(yàn)在醫(yī)院的臨床經(jīng)驗(yàn)中都為0。但大數(shù)據(jù)卻可以做到一件事，通過醫(yī)院的共享信息以及百度監(jiān)控指定地區(qū)的用戶的頻繁搜索關(guān)鍵詞，可以檢測到某個地區(qū)已經(jīng)出現(xiàn)了諸如不明原因的肺炎，某地餐館讓多少人出現(xiàn)嘔吐腹瀉等異常狀況......

然后再通過與疾病控制中心的病毒庫中的病毒分析，尋找吻合的病毒，進(jìn)行比對分析然后將其找出，為判斷疾病贏取時間。換句話說，有了大數(shù)據(jù)后，疾病預(yù)防可以真正在第一時間內(nèi)去判斷出疫情的病毒源，進(jìn)而為控制爭取時間。

另外要說明一點(diǎn)的是，當(dāng)前的科技下，疫情的發(fā)生是誰也無法控制的，我們目前唯一能夠控制的就是及時制止其傳播的范圍，而大數(shù)據(jù)則是目前唯一的也是最佳的途徑。

2，判斷人員流向，控制疫情。在疫情發(fā)生后，雖然國家可以第一時間控制住當(dāng)?shù)匾咔?，但是人員流動則是無法控制的?，F(xiàn)在利用百度的技術(shù)可以做到，比如A地突然爆發(fā)了傳染病，而此時根據(jù)百度大數(shù)據(jù)的監(jiān)控就能監(jiān)測到傳染源區(qū)人員的主要流向地是B地與C地，于是疾控中心就拿出對應(yīng)的醫(yī)療技術(shù)和對應(yīng)的治療藥品以及疫苗來防治，第一時間趕到B地與C地，將一切藥物準(zhǔn)備就緒并為當(dāng)?shù)厝私臃N疫苗，這樣一來就減少了盲目的廣撒網(wǎng)式的全面布局情況，通過百度提供的人員流動數(shù)據(jù)，讓控制疫情在效率上大幅度提升。

3，治療藥物和疫苗的迅速研發(fā)。在疫情發(fā)生后最重要的事情就是研發(fā)對應(yīng)藥物，傳統(tǒng)的做法是一個小范圍的研發(fā)，然后用傳統(tǒng)的交流方式，但是有了大數(shù)據(jù)就不可同日而語。在病人的治療中，所有藥物的使用數(shù)據(jù)以及用戶的病情數(shù)據(jù)都將全部聯(lián)網(wǎng)，當(dāng)機(jī)器檢測到發(fā)現(xiàn)某種藥物（通過讀取錄入的藥物數(shù)據(jù)）對病人的病情（通過讀取錄入病人健康的關(guān)鍵指數(shù)后的數(shù)據(jù)）有部分效果后，將會迅速納入研發(fā)的決策范圍，為研發(fā)部門提供有用參考，為研發(fā)對抗疫情的藥物以及預(yù)防疫情的疫苗，提供全網(wǎng)的大數(shù)據(jù)的支持。

4，傳播動力學(xué)模型建立。疫情的傳播模型在學(xué)術(shù)上有很多研究成果，但是這些學(xué)術(shù)研究都很難落地，就像《反脆弱》里說的這種涉及社會問題的理論要想建立，從學(xué)術(shù)到實(shí)踐是一種大眾錯覺，真正建立起理論的永遠(yuǎn)是實(shí)踐再到學(xué)術(shù)然后再不斷微調(diào)。而現(xiàn)在擁有了大數(shù)據(jù)的全面監(jiān)控后，疾控中心也就有了更多的實(shí)踐支持，就可以開始真正從實(shí)踐中建立有關(guān)疫情的復(fù)雜動態(tài)網(wǎng)絡(luò)的傳播動力學(xué)。

目前，疾控中心將國家拿出監(jiān)控點(diǎn)的數(shù)據(jù)，從鄉(xiāng)鎮(zhèn)到醫(yī)院的數(shù)據(jù)，與百度已有的大數(shù)據(jù)結(jié)合，再加上百度更強(qiáng)的分析能力，一起繪制出傳播的模型，來為今后的疫情控制工作做更多的參考。

5，建立全民預(yù)警機(jī)制。高院士有個愿景，希望未來的大數(shù)據(jù)疾病預(yù)防控制的預(yù)警不僅僅只是他們這些坐在辦公室的決策者能夠收到，更希望能夠讓全民享有這樣的福利，來保障更多人的安全。比如當(dāng)你去出差時，百度會在你的手機(jī)上提前通知你，你將要去的地區(qū)有食品安全問題，再比如第一時間通知你，你所在的地區(qū)有流感地區(qū)的人群大量流入，讓你及時做好預(yù)防工作以及接種疫苗等等。

關(guān)于這一點(diǎn)，我認(rèn)為并不遙遠(yuǎn)，相信在近期就能夠做到。

三，谷歌的前車之鑒

谷歌雖然在09年的預(yù)測上做出了漂亮的成績，但是在2013年的2月谷歌流感趨勢被媒體大量批評，原因就在于其數(shù)據(jù)總是偏高于真實(shí)的流感數(shù)據(jù)。

谷歌出錯的原因有很多，比如谷歌的搜索算法調(diào)整會間接影響到用戶習(xí)慣，再比如谷歌的推薦搜索以及相關(guān)性推薦也會影響用戶的搜索結(jié)果，此外搜索某個關(guān)鍵詞的用戶也不一定是患病用戶，再加上運(yùn)營商的地理位置判斷等問題，使得谷歌出現(xiàn)算法過度擬合的情況，將噪聲當(dāng)成了信號，導(dǎo)致其結(jié)果的不準(zhǔn)確性。

而谷歌的反復(fù)試錯，也讓百度在該項目上更加警惕，所以直到最近才開展該項目，想必是已經(jīng)做好了充足的準(zhǔn)備有了充足的自信，才敢開始該項目，并接受大眾的檢驗(yàn)。

結(jié)語：之前交通部與百度的合作，再加上現(xiàn)在的疾控中心與百度的合作讓我們看到互聯(lián)網(wǎng)產(chǎn)生的大數(shù)據(jù)已經(jīng)進(jìn)入了到國家決策的層面。未來的政府也將更加依賴于這些大數(shù)據(jù)的支持來做決策，而我們也將一起利用這些共享開放的數(shù)據(jù)，為自己所用。