大数据@@@@助力疫情溯源与监测@@
总书记指出@@，要运用大数据@@@@等手段加强疫情的溯源和@@监测@@，这是@@对大数据@@@@作用的肯定@@，也是对互联网界的一个要求@@。
手机已经成为另一张@@“身份证@@”
现在@@手机已经成为我们个人的另一张身份证@@@@。我们在@@@@2018年@@移动通讯普及率是@@112%，而全球是@@106%，独立移动通讯用户的普及率@@，也就是说扣除了一人多号@@，我们是@@82%，接近发达国家的水平@@，移动互联网的普及率高于全球的平均水平@@。可以说@@，我们国家有独立活动能力的人群几乎都有手机@@，而且中国实行手机用户的实名制@@，从@@手机用户就可以识别持有人的身份@@。
手机可以关联持有人的位置@@
一般手机在@@待机的时候@@，用户会从@@一个小区移动到另一个小区@@，这个时候@@手机要不断接收基站发出的测量信号@@。读取测量信号@@，可以说@@选择新的小区@@，在@@非待机的时候实际上@@就是切换了@@。因为用户可能是在@@移动的@@，而蜂窝半径又比较密@@，因此@@，更新的时间要比较快@@。
目前@@的更新是秒级@@，可以说@@具有实时性@@。当然@@手机是根据什么定位呢@@？主要是利用基站@@，有几种方法@@，可以基站定位@@。定位精度如果说用比较好的方法@@，定位精度可以数十米@@，一般目前@@可能是一两百米@@，5G基站更密@@，定位精度就更高@@。
全球导航@@卫星@@+数字地图可提升定位精度@@
当然@@，除了基站定位以外@@，我们用全球导航@@卫星@@和@@数字地图都可以定位@@。现在@@的智能手机比例已经很高了@@，能够百分之八九十@@，所以@@智能手机都装了全球导航@@卫星@@的接收的能力@@。定位的精度一般数十米@@，当然@@它更好地可以做到米级@@，但是@@室内是做不到的@@。另外@@，数字地图公司有它的一些方法来扫描这个街道@@@@，因此@@它的定位甚至@@可以到每一栋楼@@。
一般来讲@@，手机用户如果下载@@了这种数字地图的@@APP，而且开机并启用了定位功能@@，它就会变化新的位置@@，会发送信息给@@GPS。所以@@，能知道你所在@@的位置@@。当然@@，它的定位精度比基站的方法要好得多@@。
但是@@，只限于装有数字地图@@APP的用户@@，我们有个比较知名的数字地图公司@@，目前@@它现有用户数是@@7个亿@@（下载@@），占全国移动用户还不到一半@@，只有@@43%，所以@@说覆盖面是有限的@@。但是@@，尽管电信的运营商覆盖定位用户更多@@@@、更全面@@，但是@@精度并不一定比数字地图公司更好@@。
这里边@@，给出的是一个数字地图公司的大数据@@@@地图@@，它可以溯源@@，武汉春节前将近@@500万人流到什么地方去@@，这里可以给出一个很好的走势@@。
有了这些@@数据@@@@，怎么来决定疫情的传播@@？国际上通常用一种叫@@C-SEIR的模型@@。它把人群分成什么呢@@？I就是已经感染病的人群@@，E是密切接触者@@，S目前@@是健康的@@，R是最后@@运算结果是康复的@@，它有一套规律@@。
中国的学者提出了一种改进@@，增加了@@P和@@Q，P是疑似人群@@，Q是确诊人群@@。现在@@我们国家也是分四类@@，从@@中可以计算出传播的模型@@@@。
我们可以看到@@@@，这是@@从@@@@1月@@份到@@2月@@9日@@，全国的疫情传播模型@@。可以看到@@传播的状况@@，目前@@，中国的修正模型@@，考虑了政府的采取措施和@@大众的对于防疫的意识@@，所有上面的模型@@@@，还是基于因为城市里头感染者和@@没感染者@@，包括所有的加起来是一个常数@@，也就是说不考虑城市里面有流入的和@@流出的@@。
实际上@@利用电信大数据@@@@@@，可以把流入流出的一部分人考虑进去@@，可以使得这个模型更精确@@。
大数据@@@@可视化@@——“疫情方寸间@@”
当然@@，有了模型@@，很多大数据@@@@还需要有一种可视化的表现@@。这里给出一种可视化的方式@@，每个方框表示每个省@@。比如说@@右下角的方框@@--湖北@@，它的背景颜色就比其他的深@@，也就是感染人群更多@@@@。
其中绿色@@是治愈的@@，黑色是死亡的@@，可以看到@@治愈的比例也比其他省要少@@，死亡的比例反而还比较高@@。可以看到@@，这是@@一种直观的看法@@。
我们有了这种行为的大数据@@@@@@，可以精确到每一个小区@@。左图是百度@@，以上海为例@@，右图是腾讯@@，以深圳为例@@，它都可以以一种@@APP的方式来发布@@，老百姓可以用@@，下载@@可以查询@@，甚至@@可以查到哪个小区的具体位置@@，距离你所在@@地方有多远@@，里面有多少个是确诊病例@@。
实际上@@，其中一家公司说@@，已经覆盖了@@200多个城市了@@。现在@@开始复工了@@，这是@@2月@@10日@@，节后第一个复工日@@@@，人流的增加也为疫情的防控带来了一些新的压力@@。这里面给出了疫情期间城市的热力图@@，我们可以细化到每个县@@，可以让我们知道@@什么地方人最多@@，尽量避免人口的密集@@。
这里面是一个确诊患者的行程追踪@@。从@@底下看是@@1月@@21日@@他离开武汉@@，乘坐了高铁@@，到达一个地方@@，21日@@又换了一个高铁@@，到另外@@一个地方@@，一直到@@24日@@，他发现有症状了@@，当然@@他行程还得继续@@，27日@@又到了一个地方@@，30日@@又到了下一个地方@@，31日@@确诊了@@@@。
根据这种确诊患者的行程追溯@@，我们可以很好地知道他到过哪里@@。现在@@有些地方是依靠流行病学的调查@@，去问这个患者@@，你什么时间到什么地方@@，一个是他记不准@@，另一个说不准@@，利用手机的大数据@@@@@@，可以很好的知道@@。
同时@@，通过计费数据@@@@，也可以知道他平时比较密切的联系人@@，也可以知道有没有可能是密切接触者@@@@。
基于卫建委@@+交通@@+工信数据@@查找密切接触者@@
我们把卫健委@@的数据@@@@、交通@@系统的数据@@@@、工信部门的数据@@组合起来@@，可以找出密切接触者@@。比如说@@，卫健委@@可以知道确诊患者的姓名@@、身份证@@号@@，然后通过交通@@部@@@@，可以给出这个患者半个多月@@来乘坐过的航班车次@@@@，卫健委@@让工信部提出@@，这些@@人的手机号是什么@@？根据手机号@@，地方政府可以找到密切接触者@@，当然@@这是@@从@@@@官方的查找@@。
实际上@@平台@@也可以开放@@，同行者可以在@@同行查询平台@@查出我所坐的航班和@@车次@@@@，车上有没有确诊患者@@，可以很好地发现密切接触者@@。
电信疫情大数据@@@@平台@@用于个人自证无疫区行程@@
目前@@，还是返程复工@@，还有节后回家的时间@@，有些人隐瞒了自己来自疫区@@、到过疫区的经历@@，回到家@@、回到村子里头还到处走@@，虽然看上去没有症状@@，但是@@可能已经感染了@@，并且是有很强的传染性@@，导致了疫情扩散@@，导致几十人甚至@@上百人被隔离@@，或者已经被感染@@。
通过手机定位@@，是可以知道这个用户是不是来自疫区@@，还是到过疫区@@，但是@@这种形式不能直接提供给街道@@@@、小区和@@乡镇@@，因为隐私的保护原因@@，如果我们开放给他们@@，很可能不一定是查患者@@，说不定用作其他@@，所以@@不能这样做@@。
现在@@怎么办呢@@@@？我们知道@@，从@@《个人信息保护法@@》得知@@，本人是可以查询自己信息的@@。所以@@，工信部现在@@统筹三个运营商@@，提供了用户行程的服务@@。用户提出来@@，你可以查询你本人@@，在@@14天@@前到过什么地方@@，当时工信部提出是按停留@@4个小时以上@@，这个时候@@，你有清单@@，就可以上当地的用工单位@@、街道@@、小区来证明你自己没有到过疫区@@，这就是自证@@。
目前@@，这件事情已经开放查询上千万人次@@了@@，当然@@现在@@面临返程复工@@，有些地方甚至@@扩大化@@，把一些疫情确诊人数比较多的省要求全部都不许人家回来@@。这实际上@@严控不能失控@@，硬核但不能乱来@@，所以@@实际上@@@@，返程的一些检查是必要的@@，当然@@就会对旅途带来一些影响@@，这里比如说@@以高德地图为例@@，他给出一个人从@@济南要到上海@@，原图的经过城市的疫情情况列出来了@@，上海市对进上海的人有什么管理及要求也列出来了@@，包括高速路入口@@、出口的车流量@@，以及大概这个过程中间有很多检查站@@，路程需要多长时间也列出@@，返程直通车也方便大家@@，如果返程的人知道@@，我路上大概要多长时间@@，要做好什么准备@@。
电力大数据@@@@在@@疫情防控@@中的作用@@
除了电信和@@互联网公司的大数据@@@@以外@@，事实上还有其他大数据@@@@@@。我这里讲的是电力大数据@@@@@@，一个家里边是否有人在@@家@@，是否有人回来@@，根据用电的情况是能区别出来@@。所以@@，国网电力杭州公司@@，作为@@1000多万条数据@@收集@@，开发出大数据@@@@分析的算法@@，能够很好的知道@@，这里边@@有没有居家隔离的人@@，有没有独居的人@@，社区可以根据这个来判断是不是做针对性地服务@@。
利用电力的用电状况@@，我们也可以知道复工状况@@，根据用电量@@，广东在@@@@2月@@14日@@已经是正常时候用电量的@@60%，也就是复工率差不多@@60%。浙江@@2月@@14日@@的复工率不到@@1/3，尤其是温州@@，属于疫情比较严重的地方@@，复工率只有@@@@12%。这些@@是可以比较宏观地掌握了复工的趋势@@。
医疗大数据@@@@助力智能诊断@@
大数据@@@@不仅用于追踪人群等等@@，还可以帮助智能诊断@@。从@@现在@@统计看@@，新冠肺炎患者的核酸检测@@，目前@@只有@@@@30%是阳性@@，尽管它是患病的人@@，确诊了@@，但是@@只有@@@@30%。原因是什么@@？取样是从@@口腔部来取样的@@，实际上@@这里边@@感染不算严重@@，肺部才严重@@。
因此@@，判断还要根据@@CT，一个肺扫描出几百张这样@@CT照片@@，一张张看是比较难的@@，利用大数据@@@@@@，我们可以用人工智能的技术@@，可以把它还原回一个@@3D三维的肺@@，比较容易看有没有纤维化@@，有没有肺变形@@、毛玻璃状@@。
同时@@，现在@@还可以根据医疗的经验@@，开发出感染肺炎患者的@@CT影像大数据@@@@分析评价系统@@，不一定要医生看了@@，这些@@CT照片@@可以放系统上@@，进行分析@@，能帮助医生进行病灶分析@@。过去医生可能要看@@5个多小时@@，现在@@几分钟就可以@@，因为它把几百张变成一张了@@。
大数据@@@@在@@新冠病毒肺炎新药与疫苗研制中的作用@@
大数据@@@@本身在@@新冠肺炎新药研制和@@疫苗研制里@@，也会发挥作用@@。新药研制总体上过程是比较长的@@，新药的筛选@@、活性的评价@@、药理的分析@@、安全评价等等@@，到临床还要做很多工作@@。
目前@@是没有特效药的@@，所以@@，另外@@一种途径是老药新用@@，把一些过去抗艾滋病@@、流感的药物重新检验一下@@，看它有没有可能对新冠肺炎有效@@。我们知道@@，已经上市的和@@临床实验的药有近万种@@，一种一种来筛选时间是很长的@@，而且现在@@去积累数据@@@@，已经不容易了@@，如果原来有积累更多@@的数据@@更好@@。
这里举一个例子@@，清华的药学院@@，它的人工智能药物研发大数据@@@@平台@@@@，收集了以前冠状病毒研究里边涉及的@@900多个小分子的实验信息@@，利用这个就有可能加快药物的筛选@@。
大数据@@@@优化医疗紧缺物资的生产组织与调度@@@@
大数据@@@@也在@@优化医疗紧缺物资的生产组织和@@调度@@上有很好的用处@@。海尔开发了疫情医疗物资信息共享资源汇聚平台@@@@，一方面连接医院@@，780多家@@医院@@；另一方面联系需求的社区@@，以及能生产这些@@医疗物资的企业@@500多家@@，它发布了这个需求@@5000多万件@@，另外@@，它的采购不限于中国@@，还到全球@@，所以@@实现了抗疫资源的精准对接@@。湖北@@有一个医疗物资需求平台@@@@，是由志愿者开发的@@，它爬取网上的数据@@@@，按城市医院类别分类@@，登出需求@@、运输和@@联系方式@@。
四川也开发了防控应急物资的管理系统@@，把物资的入库@@、调度@@、审批@@、库存@@、日@@常消耗需求汇总在@@一起@@，提高了应急物资配置的调度@@效率@@，当然@@这些@@都是从@@网上获取数据@@@@。
现在@@难题是什么@@？我们的卫健委@@@@，并没有得到所有医院的床位数据@@@@，因为过去是不联网的@@，这样导致我们不能实时地知道什么床位是有富余的@@，什么可以调度@@出来@@。所以@@这也说明@@，我们过去这方面的工作都不足@@。
相关数据@@的融合将能得到更有价值的结果@@
另外@@，数据@@需要融合@@，现在@@不少小区实行了封闭管理@@，现在@@已经有上线的专项排查@@APP，不用手登记@@，用手机一扫身份证@@@@，报上体温@@，数据@@自动联网@@。还可以记录下来现在@@到药店购买发烧药@@、咳嗽药的人的实名数据@@@@，因为有些人已经有病了@@，没到医院自己买药@@，实际上@@是有很大风险的@@。我们还可以将公交卡@@、网约车的数据@@结合起来@@，这次@@疫情也是考验我们@@，联防联控协调调度@@的机制@@，包括跨部门大数据@@@@的协调能力@@。
大数据@@@@协力企业复工@@
现在@@是复工了@@，很多企业需要工人@@，但是@@人员流动密集又有风险@@，因此@@企业面临两难@@。杭州采用一种绿红黄三色的健康码的管理方式@@，区别用户是不是接触过确诊患者@@、疑似患者@@，是不是来自重点疫区@@，以及隔离长短@@，可以分别对待@@。但是@@，你会担心填报是不是真实@@？这里边@@健康码是要联系到云端的@@，跟@@网上掌握的数据@@匹配@@，大数据@@@@能查出不实的信息@@。
大数据@@@@与隐私保护@@
大数据@@@@是双刃剑@@，怎么做到隐私保护@@。实际上@@，电信的大数据@@@@只考虑了信令和@@计费@@，不含通信的内容@@，但是@@尽管这样@@，患者的行为数据@@也是敏感的@@。电信大数据@@@@目前@@只限于疫情的管控@@，疫情结束@@以后@@，不会再保留有关的原始数据@@@@，现在@@特别要注意的是@@，除了国务院卫生健康部门依法授权的机构以外@@，其他任何单位和@@个人@@，不得以疫情防控@@@@，治病防治为由@@，未经被收集者同意收集用户的个人信息@@。这里就难了@@，又要保护个人信息@@，又要利用大数据@@@@@@联防联控@@，怎么办呢@@？有一种方法@@，就是原始数据@@可用不可见@@。
什么叫可用不可见@@？有关部委@@，卫健委@@、交通@@部@@、公安部@@、工信部等可以上报数据@@的样本@@，帮助疫情大数据@@@@分析调试平台@@来调试我们的算法和@@程序@@，一旦调试好程序@@，再下发到相关部委@@，在@@相关部委的各自范围里头运行并产生结果@@。最后@@汇报给上面的结果已经不是原始数据@@了@@。
通过这样@@，不改变数据@@的归属所有权和@@存储位置@@，只带走了不含敏感数据@@的分析结果@@。
疫情大数据@@@@系统的信息安全防护@@
疫情大数据@@@@也是需要特别进行安全防护的@@，从@@右上角的图可以看出绿色@@是健康数据@@@@，健康数据@@是黑客所重点关注的@@，甚至@@2014年@@，我们国家的国航网站受攻击最多的是医疗卫生的网站@@。
美国也统计过@@，遭遇黑客医疗数据@@的泄露损失很高@@，而且疫情大数据@@@@不但是@@商业利益问题@@，还关联国家政治社会问题@@，我们以为疫情大数据@@@@系统是内网@@，但实际上@@内网也会遭遇攻击@@。我们在@@@@疫情大数据@@@@的系统上@@，要明确接入权限与过程审计@@，用各种各样的安全措施来确保安全@@。
为何新冠疫情大数据@@@@姗姗来迟@@
为什么@@这次@@新冠疫情大数据@@@@来得晚呢@@？这上面是谷歌有一年@@某个地方发生流感@@，谷歌的报告流感比美国疾控中心还提前一个星期@@，相似度@@97%。它能提前预警@@，而中国的这次@@疫情大数据@@@@@@，基本上没有起到预警作用@@，为什么@@？网上人说@@，你们说得那么好@@，为什么@@你们没有早说出来@@？原因是网上信息很多@@。
传染病根本没有被列到互联网界关注的优先点@@，另外@@在@@发现不明肺炎之初@@，医疗机构的信息中心也没有能够根据十多例的病情分析出人传人@@，掌握不了病毒控制的主动权@@，应该说@@，可惜我们信息技术人员敏感性不够@@。
大数据@@@@依赖真实数据@@的开放@@
另外@@一个更重要原因@@，是数据@@的披露开放之后不及时@@。在@@发现最初动物作为@@传染源的时候@@，案例是比较少的@@，很难触发疫情大数据@@@@的分析@@。发展到人传人的时候@@，电信以及互联网公司的人行为轨迹的大数据@@@@才有作用@@，我们知道@@，武汉的重症病例从@@发病到住院平均等待了将近@@10天@@，有些还没等到住院就不行了@@。
整个获得信息延误了@@10天@@，再加上@@14天@@左右的潜伏期@@，病毒已经蔓延了一个多月@@@@，而且一些错误的信息@@，“不会人传人@@”“可防可控@@”在@@发布@@。而真实的信息被当做谣言@@，疫情的数据@@没有对外公布@@，当公众知道病毒可以人传人的时候@@，已经错过了防控的黄金时间@@，造成了武汉疫情爆发长时间失控@@，这种公布数据@@@@，不仅仅是为了大数据@@@@分析@@。
华盛顿大学有一个研究@@，“当媒体的报道量增加@@10倍@@，疾病的感染数会减少@@33.5%”，所以@@应该是更有用的@@。
大数据@@@@的应用需要有法律保证@@
另外@@，大数据@@@@的应用需要法律保证@@。《传染病防治法@@》规定@@，有关部门要报告疫情和@@监测@@，但是@@没有明确哪一级地方政府有权收集当地运营商跟@@疫情有关的数据@@@@，也没有明确政府应该开放什么数据@@@@，应该公布什么信息@@。
所以@@，我们建议@@，要出台@@《传染病防治法@@》的实施细则@@，要明确省市政府对疫情防控@@数据@@的收集权限和@@政府各个部门@@，以及相关企业提供疫情防控@@有关数据@@的责任@@。
电信大数据@@@@对疫情防控@@有用但还不够@@
因为用户的信令数据@@面很广@@，而且实时性很好@@。实际上@@，每个用户平均每天@@有@@200条左右的信令数据@@@@，应该是很好的@@，很详尽@@。基站的定位精度只有@@百米的量级@@，实际上@@100米的半径里@@，根据这个来确定密切接触者是不准确的@@，因为有很多人隔@@100米和@@隔@@10米的情况是不同的@@。
卫星导航@@@@+数字地图的定位精度是比电信基站的定位精度要优@@，但是@@它的用数覆盖不够@@，所以@@两者的结合可能比较好@@。电信大数据@@@@对疫情防控@@是有很好作用的@@，但是@@还是有限的@@，所以@@仅有电信大数据@@@@不够@@，需要跟@@有关部委@@融合@@。
大数据@@@@是方法与辅助工具@@
大数据@@@@本身是一种方法@@，整个医疗不仅仅是在@@院中@@，还涉及到院前@@、院后和@@医院管理@@，涉及到很多环节@@。大数据@@@@也不是智慧医疗的唯一方法@@，也是要跟@@其他信息技术结合@@，同时@@也要跟@@医学专业知识结合@@，需要信息技术和@@医学界的紧密合作@@。
最后@@，跟@@17年@@前的非典疫情相比@@，本次@@疫情是更严峻的大考@@。但现在@@用上了先进的医疗技术和@@大数据@@@@等新一代信息技术@@，科学防治@@、精准施策@@。在@@党中央的坚强领导下@@，在@@疫情防控@@的人民战争中@@，大数据@@@@的应用环境将进一步优化@@，在@@联防联控精准施策@@中将发挥更大的作用@@。我们一定能够打赢疫情防控@@的人民战争@@、总体战@@、阻击战@@。
