NBD:在AI+大数据进行公共卫生监测方面，国内外的发展有哪些案例？

王磊：在公共卫生大数据监测方面，世界各国都在积极探索，中国在这次疫情的表现中处于领跑身位。放眼全球，2003年英国帝国理工学院研究人员基于SARS流行病学调查数据，构建传播动力学模型；2004年美国约翰霍普金斯大学应用物理实验室的研究人员开发了基于社区的疫情早期监测与报告系统ESSENCE；2009年美国华盛顿大学基于美国H1N1疫情数据，建模构建了H1N1家庭和学校传播的流行病学参数（基本再生数和世代间隔）。现阶段，如WHO全球流感监测网络、谷歌流感趋势（Google Flu Trends），都是值得研究和学习的案例。

    国内而言，研究机构和企业等也在发力大数据与人工智能赋能的公共卫生智能监测与预警预测。例如，中国科学院自动化所曾大军研究员领衔的科研团队，基于信息科学和公共卫生的学科交叉融合，利用大数据与人工智能技术，在传染病防控传染病信息学方向进行了十余年的探索，在大规模疫情信息处理、疫情风险评估、传播动力学建模、预测预警、大数据分析、情景模拟与计算实验的方法和理论上做出了突出成果，所研发的重大传染病疫情模拟仿真、军队疫情现场控制、全球传染病监测预警等系统平台已被应用于国家和军队疫情处置与监测预警的实战业务，有效提升了国家和军队应对公共卫生危机的应急管理能力。这次新冠疫情应急保障中，团队十多年来在公共卫生领域的耕耘和沉淀，迅速转变为突发危机下的战斗能力，涌现出了一批高质量的信息化科技抗疫成果，及时为国家疫情决策提供了有力保障，发挥了重要作用。

谈疫情应用：需增加大数据赋能权重

NBD:能否举例说明，在大数据和AI赋能公共卫生监测时，主要从哪些环节分析和入手？

NBD:您认为此次北京疫情防控效果如何？

王磊：相对于武汉地区疫情的爆发情况，此次北京防范和应对更加及时高效，第一时间通过大数据追踪与精准筛查，及时定位了新发地市场相关人员及密切接触者群体，尽快和尽早安排了核酸检测。同时，有关部门在此次疫情应对中，信息公开、舆论引导和防控措施宣传方面做得较为到位。基于公开的信息和数据，我们研究团队昨天还发布了一篇有关《大数据看北京新发地疫情时空扩散与态势分析》的报告，发布之后受到大家的赞赏，非常清晰地展示了疫情的扩散趋势，数据公开对于分析、研究和认知疫情帮助很大。

北京新发地疫情扩散图

    当然，传染病疫情具有动态性和变化性的复杂特点，如何将大数据和AI技术高效融合起来，前瞻性的自动探测疫情暴发早期征兆和风险点，实现疫情应急响应下的科学精准防控，是极具挑战性的世界性难题，亟待学术机构和产业界攻克突破。如果通过大数据分析，在疫情暴发的萌芽阶段，提前主动探测到疫情暴发危险信号并早期预警，那是非常有意义的一项工作，需要政府部门数据开放、医疗卫生专业机构数据支持和技术公司的算法研究结合，有望实现自动化、智能化、高灵敏的早期预警目标。