董銀峰，劉忠于，王好鋒，陳暉娟，劉 欣，郭宇冰，高春芳

大數(shù)據(jù)是指利用信息收集和處理技術(shù)對所掌握的海量數(shù)據(jù)進(jìn)行專業(yè)化處理、分析的統(tǒng)稱。它的意義在于實現(xiàn)對全部信息的整體把握，并從中挖掘出重要信息。疾病預(yù)防控制工作一直承擔(dān)著保障人民群眾健康的首要職責(zé)，涵蓋包括傳染病防治、慢性病預(yù)防、兒童疫苗接種、各種危害因素監(jiān)測及干預(yù)等諸多方面，貫穿于生命的全過程。近些年，隨著互聯(lián)網(wǎng)和移動設(shè)備的普及，國家層面的醫(yī)療系統(tǒng)、手機、可穿戴醫(yī)療器械等日常設(shè)備為我們提供了巨大的醫(yī)療信息流，疾病預(yù)防控制成為大數(shù)據(jù)應(yīng)用的一個重要領(lǐng)域。大數(shù)據(jù)不僅能夠顯著提高醫(yī)療工作者對傳染病疫情的追蹤和響應(yīng)能力，對疾病早期預(yù)警信號的判斷能力［1］，而且能夠加深醫(yī)務(wù)工作者對慢性疾病的成因了解，為早期預(yù)防、精準(zhǔn)施藥、實時治療監(jiān)控等提供便利。本文就大數(shù)據(jù)在傳染性疾病和慢性疾病防控方面的重要性進(jìn)行簡單介紹。

1 大數(shù)據(jù)在傳染性疾病防控方面的重要作用

隨著經(jīng)濟全球化的發(fā)展，人員和貨物的全球高密度流動極大增加了大規(guī)模流行性疾病暴發(fā)的風(fēng)險。近年來，非典、禽流感、“埃博拉”病毒等嚴(yán)重傳染病的大暴發(fā)，使我們深刻意識到傳染病預(yù)防和控制研究的重要性。傳統(tǒng)的傳染病調(diào)查主要通過調(diào)查嚴(yán)重傳染病病例，以確定類似案件，嚴(yán)格管理傳染源，迅速切斷傳染途徑，防止疾病進(jìn)一步傳播［2］。但這個過程非常耗時，往往還在調(diào)查中，傳染病已經(jīng)呈現(xiàn)地區(qū)性大暴發(fā)。此外，患者常常忘記近期到過的地方和接觸的人，這就更增加了防控的難度。然而通過全球定位系統(tǒng)信息和疾病流行數(shù)據(jù)，大數(shù)據(jù)卻可以在短時間內(nèi)確定患者到過的場所、可能的感染者和傳播途徑，從而提高公共衛(wèi)生人員對疾病追蹤、早期預(yù)警等能力。

1．1 大數(shù)據(jù)在傳染病疫情預(yù)測中的作用 2014年埃博拉病毒大暴發(fā)，大數(shù)據(jù)在疫情預(yù)測上發(fā)揮了至關(guān)重要的作用。一方面醫(yī)療救助機構(gòu)利用大數(shù)據(jù)，透過分析電信公司提供的當(dāng)?shù)鼐用裥袆油ㄐ刨Y料，定位當(dāng)?shù)匾邊^(qū)位置，預(yù)測當(dāng)前病毒散布區(qū)域，為合理規(guī)劃醫(yī)療救助站位置、分配醫(yī)療物資、安排最優(yōu)救助路線提供第一手資料［3］；另一方面，加拿大Bio．Diaspora公司利用大數(shù)據(jù)，運用地理資訊系統(tǒng)，通過分析全球航班起降、人口移動、氣候溫濕度變化、家禽家畜密度、城市衛(wèi)生管理系統(tǒng)等資訊，建立模型，發(fā)布動態(tài)全球病毒地圖［4］，預(yù)測下一個可能引暴埃博拉病毒的地區(qū)，為早期預(yù)警、優(yōu)先預(yù)防搶占先機。大數(shù)據(jù)在傳染病的預(yù)測防控上的應(yīng)用還有很多，谷歌流感趨勢、百度疾病預(yù)測，以及科學(xué)家整合大量數(shù)據(jù)集，繪制H5N1禽流感感染風(fēng)險地圖，并據(jù)此預(yù)測研究 H7N9 病例區(qū)域［5］。

1．2 大數(shù)據(jù)在傳染病監(jiān)測的作用 自2003年非典后，我國加強傳染病信息化建設(shè)，目前國內(nèi)已有包括傳染病與突發(fā)公共衛(wèi)生事件監(jiān)測信息系統(tǒng)、傳染病公共衛(wèi)生實驗室監(jiān)測信息系統(tǒng)、預(yù)防接種信息系統(tǒng)等多條信息收集途徑。不僅覆蓋全國所有縣級及以上疾控機構(gòu)，縣級及以上醫(yī)療機構(gòu)報告率達(dá)98%，鄉(xiāng)鎮(zhèn)衛(wèi)生院報告率達(dá)87%，平均報告時間為0．8天；而且覆蓋39種法定傳染病，建立了霍亂、血吸蟲、鼠疫、艾滋病、結(jié)核病、不明原因肺炎等單病種監(jiān)測系統(tǒng)，并開發(fā)和實施了國家傳染病自動預(yù)警系統(tǒng)［6，7］。如此龐大的衛(wèi)生信息系統(tǒng)，再加上互聯(lián)網(wǎng)、移動設(shè)備等提供的實時資訊，為我國實時監(jiān)測傳染病、及時快速應(yīng)對傳染病提供了廣闊的空間。在此基礎(chǔ)上結(jié)合基于數(shù)據(jù)倉庫的BI和數(shù)據(jù)挖掘應(yīng)用以及非結(jié)構(gòu)化數(shù)據(jù)的分析、挖掘技術(shù)，可實現(xiàn)從數(shù)據(jù)到規(guī)律再到可執(zhí)行策略的升華，為傳染病防控建立起堅不可摧的防控城墻。

2 大數(shù)據(jù)在慢性非傳染性疾病防控方面的重要作用

最近發(fā)布的《2020年健康醫(yī)療預(yù)測報告》顯示目前我國高血壓患者超過1．6億人，高脂血癥超過1億人，糖尿病人口約有9240萬，血脂異常1．6億人，脂肪肝患者1．2億，并且預(yù)計2020至2050年我國將進(jìn)入加速老齡化階段，到2050年，老齡人口總量將超過4億，老齡化水平將超過30%。隨著老齡化的到來，我國慢性疾病患者的人數(shù)勢必更加龐大，消耗醫(yī)療資源也將更多。對這些慢性疾病的防控及相關(guān)健康服務(wù)的管理將深刻地影響國家的福祉。大數(shù)據(jù)的發(fā)展將為慢性疾病的預(yù)防和治療帶來革命性的進(jìn)展，為公眾健康來帶了轉(zhuǎn)機。

2．1 大數(shù)據(jù)在慢性非傳染性疾病防控中的作用慢性非傳染性疾病起病隱匿，病因一般非常復(fù)雜，不僅與遺傳相關(guān)，還與環(huán)境因素、個人行為等息息相關(guān)?；诖髷?shù)據(jù)在數(shù)據(jù)收集、分析及大量個人健康數(shù)據(jù)的關(guān)聯(lián)上的巨大優(yōu)勢，可以找出導(dǎo)致患病的非遺傳性關(guān)鍵因素，為慢性病公共衛(wèi)生防控提供有力的參考依據(jù)。日趨完善的電子病歷、電子健康檔案等提供了豐富的慢性病資料，包括患者群基本信息、患病情況、家庭健康行為及個人健康行為等各方面信息［8］。以WHO全球慢性病監(jiān)測框架為例，其監(jiān)測包括水果攝入量、超重和肥胖、血糖升高、血壓升高、總膽固醇升高等多種指標(biāo)。另外，社交網(wǎng)絡(luò)、移動終端、可穿戴性醫(yī)療設(shè)備也提供大量的個人社交、心理、生理等醫(yī)療信息。通過對這些數(shù)據(jù)進(jìn)行提取、綜合分析，建立慢性數(shù)據(jù)模型，衛(wèi)生管理部門能夠預(yù)測家庭生活環(huán)境、個人生活習(xí)慣與慢性疾病之間的潛在關(guān)系，適時采取干預(yù)措施，做好慢性病追蹤、疾病防控工作，爭取實現(xiàn)未病先防、既病防變。

2．2 大數(shù)據(jù)在個人健康管理中的作用 公眾的醫(yī)療健康意識逐漸提高，個人健康管理越來越受到重視，Google Health、百度云健康平臺、微軟的Health Vault等都在個人健康管理上嶄露頭角。借助可穿戴性醫(yī)療設(shè)備對人體的血壓、血糖、血氧、心率、BMI指數(shù)等進(jìn)行持續(xù)監(jiān)測，利用大數(shù)據(jù)技術(shù)對采集到的連續(xù)體征數(shù)據(jù)進(jìn)行橫向和縱向的波動規(guī)律分析，橫向分析是將體征數(shù)據(jù)與同年齡、性別的人群比對，分析健康情況和罹患中長期慢性病的風(fēng)險，縱向是與自己的基準(zhǔn)值進(jìn)行比對，判斷自己的健康狀況的發(fā)展趨勢，通過這些分析，可對身體進(jìn)行健康風(fēng)險評估，當(dāng)出現(xiàn)異常時，盡快進(jìn)行相應(yīng)的預(yù)警調(diào)整，降低疾病風(fēng)險。

2．3 大數(shù)據(jù)在臨床醫(yī)療決策中的作用 慢性疾病一般病程長，病情遷延不愈，因此慢性病的治療也是一個長期的過程?；诖髷?shù)據(jù)的疾病治療模式，一方面遠(yuǎn)程實時監(jiān)控的移動醫(yī)療健康服務(wù)、可穿戴移動醫(yī)療設(shè)備的應(yīng)用，可實現(xiàn)臨床指標(biāo)的遠(yuǎn)程和實時監(jiān)測，對病情變化進(jìn)行預(yù)判或及時調(diào)整治療方案，為患者提供最及時，最佳的醫(yī)療處理［10］。另一方面根據(jù)電子病歷等提供的醫(yī)療信息，可精準(zhǔn)地分析患者的體征、療效數(shù)據(jù)，輔助臨床決策，避免過度或不良反應(yīng)較為明顯的治療［11］。

目前我國電子化慢性病監(jiān)測信息系統(tǒng)尚未健全，與WHO全球監(jiān)測框架指標(biāo)比較，還有很多指標(biāo)缺乏中國的數(shù)據(jù)［12］，為此《健康中國2020戰(zhàn)略研究報告》中提出將推出611億元預(yù)算的全民電子健康系統(tǒng)工程，完成健康檔案中的數(shù)據(jù)積累。并在《中國慢性病防治工作規(guī)劃（2012—2015）》提出了慢性病監(jiān)測工作的三個指標(biāo)：一是全人群死因監(jiān)測覆蓋全國90%的縣（市、區(qū)）；二是慢性病及危險因素監(jiān)測覆蓋全國50%的縣（市、區(qū)）；三是營養(yǎng)狀況監(jiān)測覆蓋全國15%的縣（市、區(qū)）。通過收集分析這些醫(yī)療數(shù)據(jù)，可把握不同時期我國慢性病的流行現(xiàn)狀及其變化趨勢、積極采取應(yīng)對策略及措施，切實做好疾病防控工作；同時還應(yīng)通過講座、特刊、健康行活動等形式宣傳慢性病防治工作，提高全民健康意識，改變不良生活方式，降低疾病發(fā)生率。

3 大數(shù)據(jù)存在的不足

大數(shù)據(jù)在疾病防控方面有著巨大的潛能，特別是在預(yù)防傳染性疾病方面能夠發(fā)揮出巨大的優(yōu)勢，但是現(xiàn)階段醫(yī)療大數(shù)據(jù)也存在著不足。

3．1 大數(shù)據(jù)結(jié)果的準(zhǔn)確性有待提高 2009年 “谷歌流感趨勢”曾成功預(yù)測美國冬季流感的發(fā)病率，但之后的幾年，預(yù)測結(jié)果與傳統(tǒng)的公共衛(wèi)生監(jiān)測方法相比，不同程度的高估了類流感的發(fā)病率，有時甚至高出一倍以上，使該項目在美國遭遇到了很大質(zhì)疑?；仡櫾擁椖康脑碇饕歉鶕?jù)美國各州和主要城市對流感短語的搜索來預(yù)測流感的暴發(fā)，從中可以看出忽略了一個重要的因素——數(shù)據(jù)噪聲［1］，即并非搜索流感資料的都是類流感患者。為避免大數(shù)據(jù)帶來的大錯誤分析，我們必須重視數(shù)據(jù)噪聲，在技術(shù)層面上避免或減小錯誤的發(fā)生。Khoury和Ioannidis在science一文中提出通過以下幾個方面可以有效降低噪聲信號［1］：①重視分析方法，建立數(shù)據(jù)－結(jié)果間合理、強有力關(guān)聯(lián)假設(shè)，避免數(shù)據(jù)與結(jié)果間的虛假關(guān)聯(lián)；②建立更專業(yè)的流行病學(xué)研究基礎(chǔ)，以獲得具有良好流行病學(xué)特征的人群優(yōu)質(zhì)數(shù)據(jù)信息；③綜合多方面數(shù)據(jù)信息，注重多學(xué)科知識的融合；④圍繞循證醫(yī)學(xué)原則，驗證關(guān)聯(lián)、預(yù)測的準(zhǔn)確性。

3．2 醫(yī)療大數(shù)據(jù)中數(shù)據(jù)開放和個人隱私的平衡問題 從監(jiān)管和技術(shù)層面來看，可以通過以下幾方面的改善逐步實現(xiàn)在不暴露個人隱私的前提下提供數(shù)據(jù)共享：①鼓勵公私合作；②明確數(shù)據(jù)訪問權(quán)限，出臺隱私和數(shù)據(jù)所有權(quán)政策，確保患者和他們的醫(yī)療保健提供者能夠正常訪問數(shù)據(jù)，同時為他們提供可靠的網(wǎng)絡(luò)技術(shù)和安全的數(shù)據(jù)共享；③允許數(shù)據(jù)開放，聯(lián)合非限制性的政府?dāng)?shù)據(jù)和非特有的私人數(shù)據(jù)組成一個開放的公共數(shù)據(jù)，以促進(jìn)一個“大數(shù)據(jù)”的健康生態(tài)系統(tǒng)的發(fā)展；④加強可利用開源工具進(jìn)行數(shù)據(jù)分析的人才隊伍建設(shè)；⑤加大醫(yī)療工作者與大數(shù)據(jù)人才之間的協(xié)作，打造“生活實驗室”，開發(fā)新的醫(yī)療大數(shù)據(jù)解決方案。

雖然大數(shù)據(jù)存在不足，但大數(shù)據(jù)為疾病的預(yù)測帶來的巨大變革是不可否認(rèn)的，而且我們相信，在不久的將來，大數(shù)據(jù)匹配的分析方法會更加全面和精準(zhǔn)，與大數(shù)據(jù)相關(guān)的政策法規(guī)也會陸續(xù)出臺，大數(shù)據(jù)必將在疾病防控方面發(fā)揮巨大的潛能。

［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：基于大數(shù)據(jù)的疫情擴散預(yù)測［J］．新經(jīng)濟導(dǎo)刊，2014（11）：44－49．

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

［6］馬家奇．中國疾病預(yù)防控制信息體系規(guī)劃與發(fā)展［J］．中國數(shù)字醫(yī)學(xué)，2011，6（6）：11－13．

［7］相海泉．公共衛(wèi)生的大數(shù)據(jù)應(yīng)用：專訪中國疾病預(yù)防控制中心信息中心主任馬家奇［J］．中國信息界：e 醫(yī)療，2013（5）：43－44．

［8］周光華，辛 英，張雅潔．醫(yī)療衛(wèi)生領(lǐng)域大數(shù)據(jù)應(yīng)用探討［J］．中國衛(wèi)生信息管理雜志，2013，10（4）：296－304．

［9］ 利用大數(shù)據(jù)預(yù)防慢性?。跡B／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］喬 巖，王 偉．大數(shù)據(jù)在醫(yī)療領(lǐng)域的應(yīng)用［J］．健康管理，2014（07）：48－49．

［12］ 梁曉峰．我國慢性病監(jiān)測還缺乏“中國數(shù)據(jù)”［EB／OL］．http：／／health．sohu．com ／20120818 ／n350956939．shtml．2012－8－18．