大数据在疾病预防控制中的重要性＊

董银峰，刘忠于，王好锋，陈晖娟，刘 欣，郭宇冰，高春芳

大数据是指利用信息收集和处理技术对所掌握的海量数据进行专业化处理、分析的统称。它的意义在于实现对全部信息的整体把握，并从中挖掘出重要信息。疾病预防控制工作一直承担着保障人民群众健康的首要职责，涵盖包括传染病防治、慢性病预防、儿童疫苗接种、各种危害因素监测及干预等诸多方面，贯穿于生命的全过程。近些年，随着互联网和移动设备的普及，国家层面的医疗系统、手机、可穿戴医疗器械等日常设备为我们提供了巨大的医疗信息流，疾病预防控制成为大数据应用的一个重要领域。大数据不仅能够显著提高医疗工作者对传染病疫情的追踪和响应能力，对疾病早期预警信号的判断能力［1］，而且能够加深医务工作者对慢性疾病的成因了解，为早期预防、精准施药、实时治疗监控等提供便利。本文就大数据在传染性疾病和慢性疾病防控方面的重要性进行简单介绍。

1 大数据在传染性疾病防控方面的重要作用

随着经济全球化的发展，人员和货物的全球高密度流动极大增加了大规模流行性疾病暴发的风险。近年来，非典、禽流感、“埃博拉”病毒等严重传染病的大暴发，使我们深刻意识到传染病预防和控制研究的重要性。传统的传染病调查主要通过调查严重传染病病例，以确定类似案件，严格管理传染源，迅速切断传染途径，防止疾病进一步传播［2］。但这个过程非常耗时，往往还在调查中，传染病已经呈现地区性大暴发。此外，患者常常忘记近期到过的地方和接触的人，这就更增加了防控的难度。然而通过全球定位系统信息和疾病流行数据，大数据却可以在短时间内确定患者到过的场所、可能的感染者和传播途径，从而提高公共卫生人员对疾病追踪、早期预警等能力。

1．1 大数据在传染病疫情预测中的作用 2014年埃博拉病毒大暴发，大数据在疫情预测上发挥了至关重要的作用。一方面医疗救助机构利用大数据，透过分析电信公司提供的当地居民行动通信资料，定位当地疫区位置，预测当前病毒散布区域，为合理规划医疗救助站位置、分配医疗物资、安排最优救助路线提供第一手资料［3］；另一方面，加拿大Bio．Diaspora公司利用大数据，运用地理资讯系统，通过分析全球航班起降、人口移动、气候温湿度变化、家禽家畜密度、城市卫生管理系统等资讯，建立模型，发布动态全球病毒地图［4］，预测下一个可能引暴埃博拉病毒的地区，为早期预警、优先预防抢占先机。大数据在传染病的预测防控上的应用还有很多，谷歌流感趋势、百度疾病预测，以及科学家整合大量数据集，绘制H5N1禽流感感染风险地图，并据此预测研究 H7N9 病例区域［5］。

1．2 大数据在传染病监测的作用 自2003年非典后，我国加强传染病信息化建设，目前国内已有包括传染病与突发公共卫生事件监测信息系统、传染病公共卫生实验室监测信息系统、预防接种信息系统等多条信息收集途径。不仅覆盖全国所有县级及以上疾控机构，县级及以上医疗机构报告率达98%，乡镇卫生院报告率达87%，平均报告时间为0．8天；而且覆盖39种法定传染病，建立了霍乱、血吸虫、鼠疫、艾滋病、结核病、不明原因肺炎等单病种监测系统，并开发和实施了国家传染病自动预警系统［6，7］。如此庞大的卫生信息系统，再加上互联网、移动设备等提供的实时资讯，为我国实时监测传染病、及时快速应对传染病提供了广阔的空间。在此基础上结合基于数据仓库的BI和数据挖掘应用以及非结构化数据的分析、挖掘技术，可实现从数据到规律再到可执行策略的升华，为传染病防控建立起坚不可摧的防控城墙。

2 大数据在慢性非传染性疾病防控方面的重要作用

最近发布的《2020年健康医疗预测报告》显示目前我国高血压患者超过1．6亿人，高脂血症超过1亿人，糖尿病人口约有9240万，血脂异常1．6亿人，脂肪肝患者1．2亿，并且预计2020至2050年我国将进入加速老龄化阶段，到2050年，老龄人口总量将超过4亿，老龄化水平将超过30%。随着老龄化的到来，我国慢性疾病患者的人数势必更加庞大，消耗医疗资源也将更多。对这些慢性疾病的防控及相关健康服务的管理将深刻地影响国家的福祉。大数据的发展将为慢性疾病的预防和治疗带来革命性的进展，为公众健康来带了转机。

2．1 大数据在慢性非传染性疾病防控中的作用慢性非传染性疾病起病隐匿，病因一般非常复杂，不仅与遗传相关，还与环境因素、个人行为等息息相关。基于大数据在数据收集、分析及大量个人健康数据的关联上的巨大优势，可以找出导致患病的非遗传性关键因素，为慢性病公共卫生防控提供有力的参考依据。日趋完善的电子病历、电子健康档案等提供了丰富的慢性病资料，包括患者群基本信息、患病情况、家庭健康行为及个人健康行为等各方面信息［8］。以WHO全球慢性病监测框架为例，其监测包括水果摄入量、超重和肥胖、血糖升高、血压升高、总胆固醇升高等多种指标。另外，社交网络、移动终端、可穿戴性医疗设备也提供大量的个人社交、心理、生理等医疗信息。通过对这些数据进行提取、综合分析，建立慢性数据模型，卫生管理部门能够预测家庭生活环境、个人生活习惯与慢性疾病之间的潜在关系，适时采取干预措施，做好慢性病追踪、疾病防控工作，争取实现未病先防、既病防变。

2．2 大数据在个人健康管理中的作用 公众的医疗健康意识逐渐提高，个人健康管理越来越受到重视，Google Health、百度云健康平台、微软的Health Vault等都在个人健康管理上崭露头角。借助可穿戴性医疗设备对人体的血压、血糖、血氧、心率、BMI指数等进行持续监测，利用大数据技术对采集到的连续体征数据进行横向和纵向的波动规律分析，横向分析是将体征数据与同年龄、性别的人群比对，分析健康情况和罹患中长期慢性病的风险，纵向是与自己的基准值进行比对，判断自己的健康状况的发展趋势，通过这些分析，可对身体进行健康风险评估，当出现异常时，尽快进行相应的预警调整，降低疾病风险。

2．3 大数据在临床医疗决策中的作用 慢性疾病一般病程长，病情迁延不愈，因此慢性病的治疗也是一个长期的过程。基于大数据的疾病治疗模式，一方面远程实时监控的移动医疗健康服务、可穿戴移动医疗设备的应用，可实现临床指标的远程和实时监测，对病情变化进行预判或及时调整治疗方案，为患者提供最及时，最佳的医疗处理［10］。另一方面根据电子病历等提供的医疗信息，可精准地分析患者的体征、疗效数据，辅助临床决策，避免过度或不良反应较为明显的治疗［11］。

目前我国电子化慢性病监测信息系统尚未健全，与WHO全球监测框架指标比较，还有很多指标缺乏中国的数据［12］，为此《健康中国2020战略研究报告》中提出将推出611亿元预算的全民电子健康系统工程，完成健康档案中的数据积累。并在《中国慢性病防治工作规划（2012—2015）》提出了慢性病监测工作的三个指标：一是全人群死因监测覆盖全国90%的县（市、区）；二是慢性病及危险因素监测覆盖全国50%的县（市、区）；三是营养状况监测覆盖全国15%的县（市、区）。通过收集分析这些医疗数据，可把握不同时期我国慢性病的流行现状及其变化趋势、积极采取应对策略及措施，切实做好疾病防控工作；同时还应通过讲座、特刊、健康行活动等形式宣传慢性病防治工作，提高全民健康意识，改变不良生活方式，降低疾病发生率。

3 大数据存在的不足

大数据在疾病防控方面有着巨大的潜能，特别是在预防传染性疾病方面能够发挥出巨大的优势，但是现阶段医疗大数据也存在着不足。

3．1 大数据结果的准确性有待提高 2009年 “谷歌流感趋势”曾成功预测美国冬季流感的发病率，但之后的几年，预测结果与传统的公共卫生监测方法相比，不同程度的高估了类流感的发病率，有时甚至高出一倍以上，使该项目在美国遭遇到了很大质疑。回顾该项目的原理主要是根据美国各州和主要城市对流感短语的搜索来预测流感的暴发，从中可以看出忽略了一个重要的因素——数据噪声［1］，即并非搜索流感资料的都是类流感患者。为避免大数据带来的大错误分析，我们必须重视数据噪声，在技术层面上避免或减小错误的发生。Khoury和Ioannidis在science一文中提出通过以下几个方面可以有效降低噪声信号［1］：①重视分析方法，建立数据－结果间合理、强有力关联假设，避免数据与结果间的虚假关联；②建立更专业的流行病学研究基础，以获得具有良好流行病学特征的人群优质数据信息；③综合多方面数据信息，注重多学科知识的融合；④围绕循证医学原则，验证关联、预测的准确性。

3．2 医疗大数据中数据开放和个人隐私的平衡问题 从监管和技术层面来看，可以通过以下几方面的改善逐步实现在不暴露个人隐私的前提下提供数据共享：①鼓励公私合作；②明确数据访问权限，出台隐私和数据所有权政策，确保患者和他们的医疗保健提供者能够正常访问数据，同时为他们提供可靠的网络技术和安全的数据共享；③允许数据开放，联合非限制性的政府数据和非特有的私人数据组成一个开放的公共数据，以促进一个“大数据”的健康生态系统的发展；④加强可利用开源工具进行数据分析的人才队伍建设；⑤加大医疗工作者与大数据人才之间的协作，打造“生活实验室”，开发新的医疗大数据解决方案。

虽然大数据存在不足，但大数据为疾病的预测带来的巨大变革是不可否认的，而且我们相信，在不久的将来，大数据匹配的分析方法会更加全面和精准，与大数据相关的政策法规也会陆续出台，大数据必将在疾病防控方面发挥巨大的潜能。

［1］ Khoury MJ，Ioannidis J．Big data meets public health［J］．Science，2014，346（6213）：1054－1055．

［2］ Pentland A，Reid T．Big Data and Health：Revolutionizing Medicine and Public Health［J］．WISH Big Data and Health Report，2013．

［3］ Matthew Wall．Ebola：Can big data analytics help contain its spread？［EB ／OL］．http：／／www．bbc．com／news／business－29617831．2014－10－15．

［4］ 辛 妍．Bio．Diaspora：基于大数据的疫情扩散预测［J］．新经济导刊，2014（11）：44－49．

［5］ Butler D．Mapping the H7N9 avian flu outbreaks［J］．Nature，2013，496（7446）：399．

［6］马家奇．中国疾病预防控制信息体系规划与发展［J］．中国数字医学，2011，6（6）：11－13．

［7］相海泉．公共卫生的大数据应用：专访中国疾病预防控制中心信息中心主任马家奇［J］．中国信息界：e 医疗，2013（5）：43－44．

［8］周光华，辛 英，张雅洁．医疗卫生领域大数据应用探讨［J］．中国卫生信息管理杂志，2013，10（4）：296－304．

［9］ 利用大数据预防慢性病［EB／OL］．http：／／365jia．cn／news／2013－11－27／FC834972FE1F5CB6．html．2013－11－27．

［10］ Wagner EH，Austin BT，Davis C，et al．Improving Chronic Illness Care：Translating Evidence Into Action［J］．Health Aff（Millwood），2001，20（6）：64－78．

［11］乔 岩，王 伟．大数据在医疗领域的应用［J］．健康管理，2014（07）：48－49．

［12］ 梁晓峰．我国慢性病监测还缺乏“中国数据”［EB／OL］．http：／／health．sohu．com ／20120818 ／n350956939．shtml．2012－8－18．