目前可供個(gè)人使用的大數(shù)據(jù)工具主要有兩類，一類是來(lái)自醫(yī)學(xué)監(jiān)測(cè)機(jī)構(gòu)的大數(shù)據(jù)，類似中國(guó)的疾控中心，美國(guó)的Carolinas Health Care，日本京都大學(xué)荒牧研究所等，以來(lái)自就診患者統(tǒng)計(jì)為主，輔以大數(shù)據(jù)分析手段，以顯示某地區(qū)目前流行病的發(fā)病情況為主，預(yù)測(cè)疾病流行走向?yàn)檩o；另一類則來(lái)自搜索引擎和數(shù)據(jù)分析機(jī)構(gòu)，包括Google Trends的疾病預(yù)測(cè)，百度預(yù)測(cè)的疾病預(yù)測(cè)，以及基于社交搜索的sickwether、patientslikeme和融合性的Healthmap等，以預(yù)測(cè)疾病流行走向?yàn)橹鳎故緟^(qū)域發(fā)病情況為輔。

兩種數(shù)據(jù)工具的手段大同小異，區(qū)別只在于前者提供的數(shù)據(jù)多是針對(duì)大區(qū)域的、服務(wù)機(jī)構(gòu)的數(shù)據(jù)需要，后者則多針對(duì)小區(qū)域甚至某個(gè)城市商圈，為個(gè)人消費(fèi)者服務(wù)。

Google 預(yù)測(cè)曾經(jīng)很準(zhǔn)

谷歌流感預(yù)測(cè)（www.google.org/flutrends）早在2008年即已推出，原理是采用流感趨勢(shì)系統(tǒng)監(jiān)測(cè)全美的網(wǎng)絡(luò)搜索，尋找與流感相關(guān)的詞語(yǔ)，比如“咳嗽”和“發(fā)燒”等，并利用這些搜索結(jié)果來(lái)提前9個(gè)星期預(yù)測(cè)可能與流感相關(guān)的就醫(yī)量。

2009年在H1N1爆發(fā)幾周前，谷歌公司的工程師們?cè)凇禢ature》上發(fā)表了一篇論文，介紹了GFT，成功預(yù)測(cè)了H1N1在全美范圍的傳播，甚至具體到特定的地區(qū)和州，而且判斷非常及時(shí)，令公共衛(wèi)生官員們和計(jì)算機(jī)科學(xué)家們倍感震驚。

這個(gè)工具最初運(yùn)行表現(xiàn)很好，許多國(guó)家的研究人員已經(jīng)證實(shí)，其流感樣疾?。╥nfluenza-like illness， ILI）的估計(jì)是準(zhǔn)確的，并且可以提前數(shù)周乃至數(shù)月，不像疾控中心一樣要在流感爆發(fā)一兩周之后才可以做到。

但此后的2013年，《新科學(xué)家》發(fā)現(xiàn)，在過(guò)去3年，該系統(tǒng)一直高估與流感相關(guān)的就醫(yī)量，在這類數(shù)據(jù)最有用的流感季節(jié)高峰期尤其預(yù)測(cè)不準(zhǔn)確。在2012/2013流感季節(jié)，它預(yù)測(cè)的就醫(yī)量是美國(guó)疾控中心（CDC）最終記錄結(jié)果的兩倍；在2011/2012流感季節(jié)，它高估了逾50%。

《scientists》雜志認(rèn)為，錯(cuò)誤源自一種被稱作大數(shù)據(jù)浮夸（Big Data Hubris）的算法變化，例如對(duì)模型的人工優(yōu)化，或是模型對(duì)某些不當(dāng)關(guān)鍵詞的自動(dòng)調(diào)整（例如某些搜索其實(shí)源于季節(jié)而非真實(shí)發(fā)病）。

芝加哥大學(xué)衛(wèi)生促進(jìn)研究中心博士后、衛(wèi)生經(jīng)濟(jì)學(xué)者陳茁也曾撰文分析了其中的原因。他認(rèn)為，谷歌搜索的結(jié)果和使用者人群“自我估計(jì)”的流感發(fā)病率相關(guān)。但在現(xiàn)實(shí)中，普通感冒在不同個(gè)體身上的嚴(yán)重程度上會(huì)有差別，有些患者因?yàn)閾?dān)心，便搜索了相關(guān)信息。這些搜索構(gòu)成了類流感“自我估計(jì)”中的“噪聲”。如果只用“谷歌流感趨勢(shì)”預(yù)測(cè)流感發(fā)病率就會(huì)存在問(wèn)題。

陳茁認(rèn)為“谷歌流感趨勢(shì)”項(xiàng)目失誤的另外一個(gè)原因是在數(shù)據(jù)分析方面存在欠缺。哈佛大學(xué)Gary King和搭檔的研究就指出了谷歌項(xiàng)目在分析上的不足。首先，這個(gè)項(xiàng)目沒(méi)有盡可能利用傳統(tǒng)的統(tǒng)計(jì)分析手段來(lái)剔除系統(tǒng)誤差，比如殘差的自相關(guān)性和季節(jié)性；其次，“谷歌流感趨勢(shì)”忽略了其他數(shù)據(jù)的作用。如果結(jié)合美國(guó)疾控中心的數(shù)據(jù)，谷歌的預(yù)測(cè)其實(shí)有可能被大大改善。

百度預(yù)測(cè)野心很大

百度的疾病預(yù)測(cè)（http：//trends.baidu.com/disease/）于2014年6月上線，目前可以對(duì)全國(guó)34個(gè)省區(qū)、331個(gè)地市、2870個(gè)區(qū)縣、19個(gè)城市的2558個(gè)商圈的11種疾病進(jìn)行未來(lái)趨勢(shì)的預(yù)測(cè)，包括提供流感、肝炎、肺結(jié)核和性病等疾病的活躍度、流行指數(shù)，以及各種疾病相關(guān)的城市和醫(yī)院排行榜，用戶可以查看過(guò)去 30 天以內(nèi)的數(shù)據(jù)和未來(lái) 7 天的預(yù)測(cè)趨勢(shì)。而且百度還在疾病預(yù)測(cè)的頁(yè)面上，整合了百度旗下其他優(yōu)勢(shì)產(chǎn)品資源，比如在頁(yè)面右下角提供了百度百科和百度健康的鏈接，用戶點(diǎn)擊過(guò)去就可以了解到有關(guān)當(dāng)前頁(yè)面疾病的各種相關(guān)知識(shí)。

百度疾病預(yù)測(cè)還加入了一些最新的技術(shù)成果和數(shù)據(jù)采集結(jié)果。例如，從公開(kāi)資料來(lái)看，該產(chǎn)品模型的搭建一是通過(guò)歷史數(shù)據(jù)構(gòu)建統(tǒng)計(jì)規(guī)律性，比如流感或者手足口等疾病具有季節(jié)性周期的規(guī)律，二是通過(guò)研究疾病人數(shù)與其他相關(guān)數(shù)據(jù)的相關(guān)性來(lái)計(jì)算預(yù)測(cè)結(jié)果，同時(shí)從統(tǒng)計(jì)的角度來(lái)驗(yàn)證數(shù)據(jù)的正確性，以機(jī)器提供的數(shù)據(jù)為基礎(chǔ)，加入對(duì)異常數(shù)據(jù)的監(jiān)控和分析。

而為了讓預(yù)測(cè)的準(zhǔn)確率更高，百度還做了另外兩方面的努力。其一是在數(shù)據(jù)合作上，不僅引入權(quán)威機(jī)構(gòu)的相關(guān)數(shù)據(jù)而且保持同步更新，這其中不僅包含數(shù)據(jù)互通，同時(shí)也會(huì)與合作方的專家進(jìn)行產(chǎn)品交流。

另一點(diǎn)不同在于，百度預(yù)測(cè)引入社交、天氣、人群遷徙等搜索之外的數(shù)據(jù)，在搜索數(shù)據(jù)上，Google的query數(shù)據(jù)依賴于Google Correlation產(chǎn)品，而百度則是直接從原始日志中進(jìn)行清洗、消岐、擴(kuò)展和分析，相對(duì)來(lái)說(shuō)，理論上更容易避免“春天感冒怎么辦”這樣的查詢影響結(jié)果。此外，百度的地理劃分可以細(xì)化到城市商圈，可以查詢的疾病也比Google多。

事實(shí)上，百度的“野心”遠(yuǎn)不止簡(jiǎn)單的疾病預(yù)測(cè)，讓“大數(shù)據(jù)落地”是如今互聯(lián)網(wǎng)公司不得不做出的改進(jìn)，而百度也將在醫(yī)療領(lǐng)域深化定制化的健康信息服務(wù)。

為了讓疾病預(yù)測(cè)不只是一堆數(shù)據(jù)的堆積，而成為“中國(guó)人的健康圖譜，老百姓實(shí)用的生活助手”，百度正在對(duì)此產(chǎn)品進(jìn)行優(yōu)化，希望繼續(xù)增加病種，以覆蓋常見(jiàn)傳染病和慢性病。

此外，“除了時(shí)空數(shù)據(jù)，我們還會(huì)增加天氣、環(huán)境污染、用戶屬性數(shù)據(jù)，希望能夠針對(duì)不同用戶，提供個(gè)性化的防病、健康信息推送?！卑俣认嚓P(guān)負(fù)責(zé)人透露，百度疾病預(yù)測(cè)還將提供每日疾病指數(shù)等細(xì)化數(shù)據(jù)，日后有望增加個(gè)人健康顧問(wèn)、預(yù)防治療措施、求醫(yī)用藥指導(dǎo)等功能。

來(lái)源：ITBear、健康LIFE

《中國(guó)科學(xué)報(bào)》