2019-nCoV最危險的特征在于人傳人的能力，這也使其很快在中國感染了超過20000人。遺憾的是，在決定隔離武漢以及周邊地區(qū)之前，攜帶該病毒的患者已經(jīng)前往中國各省甚至世界各地。根據(jù)目前的統(tǒng)計，2019-nCoV已經(jīng)擴散到全球20個國家，并導(dǎo)致世界衛(wèi)生組織（WHO）于上周宣布啟動全球公共衛(wèi)生緊急事件。

好消息是，世界各地的公共衛(wèi)生機構(gòu)已經(jīng)開始利用一系列數(shù)據(jù)分析工具以應(yīng)對這場疫情，包括跟蹤2019-nCoV的傳播范圍、傳播方式并對病毒的下一步擴散做出預(yù)測。

分析軟件開發(fā)商SAS公司生物統(tǒng)計學(xué)家Theresa Do表示，如今公共衛(wèi)生機構(gòu)不僅掌握著遠(yuǎn)超以往的各類工具，可資利用的數(shù)據(jù)規(guī)模也是此前難以想象的。

Do指出，“現(xiàn)在我們掌握著多種不同的數(shù)據(jù)源，并且正在盡可能運用這些定點數(shù)據(jù)源，以更快的速度完成數(shù)據(jù)傳輸。”

誠然，目前對2019-nCoV乃至其他疾病新增病例進(jìn)行記錄的起步環(huán)節(jié)仍然沒有變化，只能依靠人工進(jìn)行手動操作。調(diào)查工作者需要進(jìn)入田間地頭、醫(yī)院病房，用紙和筆記錄信息，同時保證佩戴口罩和手套以保護自身安全。

但是，在2019-nCoV這類新型疾病被及時上報之后，相關(guān)數(shù)據(jù)就會迅速擴大，并由技術(shù)人員利用自己掌握的其他資源（例如SAS以及其他來自軟件供應(yīng)商的產(chǎn)品）加以分析。曾參與美國國防部全球健康監(jiān)測計劃的Do解釋道，在這一環(huán)節(jié)當(dāng)中，技術(shù)人員往往會整合各類數(shù)據(jù)，包括病例報告以及航班清單，從而更好地了解疾病的實際傳播方式。

她在采訪中表示：“如今，我們能夠更快得出分析答案，然后以此為基礎(chǔ)構(gòu)建起預(yù)測模型，并通過執(zhí)行情境分析以做出合理推斷，最終弄清楚疾病可能傳播到哪里、又會造成什么樣的影響。”

除此之外，地理信息系統(tǒng)（SIS）也能夠有效跟蹤2019-nCoV等病毒在不同空間及時間周期內(nèi)的傳播方式。約翰霍普金斯大學(xué)系統(tǒng)科學(xué)與工程中心（CSSE）就在運營著一套基于Esri ArcGIS的實時GIS儀表板，其中顯出全球范圍內(nèi)所有記錄在案的2019-nCoV病例。在這樣的監(jiān)控之下，相信各國疾病控制中心（CDC）、世衛(wèi)組織乃至全球健康監(jiān)測中心的決策者，一定能夠有效利用相關(guān)數(shù)據(jù)做出更準(zhǔn)確的形勢判斷。

CSSE基于Esri ArcGIS的實時GIS儀表板

當(dāng)然，除了一線上報之外，我們也可以采取其他方法推斷出疾病動態(tài)，比如，挖掘社交媒體以及各類新聞網(wǎng)站。以www.healthmap.org為例，該網(wǎng)站持續(xù)跟蹤各類網(wǎng)絡(luò)平臺上所提及的全球公共衛(wèi)生事件相關(guān)內(nèi)容。負(fù)責(zé)healthmap.com網(wǎng)站運營的計算流行病學(xué)家John Brownstein指出，現(xiàn)在他們的可用數(shù)據(jù)規(guī)模遠(yuǎn)超以往任何歷史時期。

Brownstein在接受采訪時表示，“在SARS期間，我們還無法掌握來自中國的豐富病例信息。但現(xiàn)在，我們正不斷挖掘新聞與社交媒體，并獲取到詳盡的實時資料。”

在確定了新的感染疾病病例之后，公共衛(wèi)生機構(gòu)會快速與其接觸，追蹤他們的生活動向和軌跡，確定他們可能曾與哪些人接觸。雖然這是一項艱巨且耗時的任務(wù)，但現(xiàn)代技術(shù)的介入已經(jīng)顯著降低了其中的實施門檻。

Frost & Sullivan公司物聯(lián)網(wǎng)全球研究總監(jiān)Dilip Sarangan預(yù)測稱，應(yīng)該可以利用一套“病毒檢測傳感器網(wǎng)絡(luò)”通過人臉識別技術(shù)“發(fā)現(xiàn)、跟蹤并監(jiān)控可能感染新型冠狀病毒的人群。”

這樣的系統(tǒng)還能夠跟蹤感染患者曾經(jīng)接觸到的每一名個體。Sarangan指出，“雖然很多人會覺得這樣的全程監(jiān)控讓人有種生活在警察國家的感覺，但最終，物聯(lián)網(wǎng)與AI的結(jié)合可能會成為高傳染性疾病在全球范圍內(nèi)快速擴散的最佳方式。”

SARS爆發(fā)之后，一位名叫Kamran Khan的前線醫(yī)生曾著手構(gòu)建一套系統(tǒng)，希望自動收集并分析各類公開可用的傳染病傳播信息。Khan目前在多倫多大學(xué)擔(dān)任醫(yī)學(xué)與公共衛(wèi)生教授，他當(dāng)初構(gòu)想的這套傳染病監(jiān)控系統(tǒng)如今已經(jīng)成為現(xiàn)實，并通過BlueDot公司正式對外銷售。

如今，BlueDot正在跟蹤全球超過100種疾病的傳播動態(tài)，包括寨卡病毒、西尼羅河病毒、腮腺炎病毒、拉薩熱以及其他傳統(tǒng)流行病。這套平臺能夠從10000多種官方及大眾媒體源中自動提取涵蓋65種語言的公共數(shù)據(jù)，利用自然語言處理（NLP）及機器學(xué)習(xí)技術(shù)處理文本信息，并將全部素材整理成簡潔直觀的匯總性結(jié)論。Khan在采訪中表示，“如果按老辦法用手動方式處理，那么這項工作至少需要一支上百人的大團隊。”

另一些次要指標(biāo)同樣有助于流行病疫情的發(fā)現(xiàn)。SAS公司的Do指出，雖然Google Flu Trends一直沒能發(fā)揮預(yù)期中的作用，但就目前來看，從社交媒體及其他個人信息源處識別疾病跡象倒確實可行。舉例來說，通過智能手表等聯(lián)網(wǎng)設(shè)備檢測人體溫度的集體升高，或者是Netflix劇集觀看量的迅速增長，都能在一定程度上判斷出各地的疫情變化。

Do解釋道，“也許還會出現(xiàn)其他指標(biāo)，可以用來提前預(yù)測病毒爆發(fā)以及其他尚未發(fā)生的狀況。”當(dāng)然，數(shù)據(jù)分析方需要向受眾保證其數(shù)據(jù)隱私不會受到侵犯。她補充道，只要能夠解決對于隱私的擔(dān)憂，那么挖掘出的大量數(shù)據(jù)足以為公共安全增添強大助力。“技術(shù)就在那里，就看如何運用。”

從此次事件來看，預(yù)測2019-nCoV的下一個傳播點非常重要，這能幫助政府決策者更為高效地分配本就有限的資源。同時，這也意味著提前增加醫(yī)生與護士的物資配備水平，從而快速適應(yīng)2019-nCoV患者的激增狀況；甚至可以調(diào)整供應(yīng)鏈以確保充足的防護用品供應(yīng)，特別是目前在全球已經(jīng)被搶購一空的N95口罩。

Do指出，在規(guī)劃2019-nCoV等爆發(fā)性事件時，最重要的就是充分考慮其次生效應(yīng)的作用機理。她指出，“在中國，成千上萬人被快速傳染，并導(dǎo)致現(xiàn)有醫(yī)療制度難以支撐。除了因為這種新型病毒而死亡的病患之外，這類病例占用的大量醫(yī)療資源也可能擠壓其他病人的診治空間。畢竟在醫(yī)院滿員之后，生病的民眾將別無選擇。”