突如其来的新冠肺炎疫情不仅给社会经济带来了巨大损失，还对人们的日常生活产生了深远影响。近期，北京地区的疫情反复再次引起了外界的高度关注。如何利用大数据和人工智能技术，及时感知和预警新发突发传染病的征兆，提升公共卫生监测的灵敏度、及时性和有效性，已成为业界探讨的重要议题。

疫情期间，相关企业也在积极探索疫情防控的新方法。大数据技术，如疫情实时动态、疫情地图、疫情防控大脑等，在疫情防控中发挥了重要作用。近日，《每日经济新闻》记者(以下简称NBD)采访了中科闻歌董事长王磊，共同探讨公共卫生大数据面临的机遇与挑战。

王磊指出，公共卫生大数据是近年来全球研究的热点之一。自2010年起，他所在团队承担了多项与公共卫生相关的国家科技重大专项，并编写出版了已被翻译成多种文字的《传染病信息学》一书。目前，公共卫生大数据正从被动式观察与发现的1.0阶段向自动监测与预警的2.0阶段转变。这次新冠疫情表明，利用AI和大数据技术，可以显著提高突发公共卫生事件的检测、预警和预测能力，从而重塑国家和各级政府的公共卫生体系，催生新的产业方向。

技术发展：从被动观测到自动预警

NBD: AI+大数据技术在传染病防控中的重要性体现在哪里？

王磊: 在疫情期间，人工智能、大数据等技术在公共卫生监测中发挥了关键作用，贯穿于信息获取、分析、决策和响应的全过程。通过这些技术，我们能够更好地收集、处理和分析信息，辅助决策部门进行早期预警、风险研判和风险信号探测，最终提高公共卫生监测的准确性、及时性和有效性。

NBD: 在应用AI+大数据进行公共卫生监测方面，国内外有哪些典型案例？

王磊: 各国都在积极尝试利用大数据技术进行公共卫生监测。中国在此次疫情中的表现尤为突出。放眼全球，2003年英国帝国理工学院的研究人员基于SARS流行病学调查数据，构建了传播动力学模型；2004年美国约翰·霍普金斯大学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H1N1疫情数据，构建了H1N1家庭和学校传播的流行病学参数。现阶段，世界卫生组织全球流感监测网络和谷歌流感趋势（Google Flu Trends）都是值得研究和学习的案例。

在国内，研究机构和企业也在利用大数据与人工智能技术进行公共卫生监测。例如，中国科学院自动化研究所曾大军研究员领导的团队，基于信息科学和公共卫生交叉学科体系，利用大数据与人工智能技术，在传染病信息学领域进行了多年系统性研究。这些研究成果在此次疫情中发挥了重要作用。

NBD: 经过多年发展，AI+大数据在公共卫生监测方面经历了哪些阶段？

王磊: 根据我们的研究，公共卫生监测大数据已经从1.0阶段发展到了2.0阶段，未来还将达到更高的3.0阶段。

1.0阶段的特征是以公共卫生和医疗体系的数据为主，通过对症候群特征的揭示来预测疫情的发生和暴发。然而，近期的研究表明，开放的互联网和社区数据能够更早地感知传染病疫情的早期征兆和暴发。随着物联网和移动互联网的发展，公共卫生大数据有了更广泛的数据来源，这使得监测从被动观测转变为自动预警，从专业机构主导转化为全民社会参与，从迟滞响应变为实时感知。

随着信息技术的进一步发展和“新基建”的加速推进，基层和社区的信息基础设施将更加完善。社会传感器网络体系的完备，使得社会、网络和物理空间高度融合，公共卫生监测大数据将变得更加智能化和实时化，进入可预先感知、全方位监测追溯和精准防控决策的3.0阶段。

疫情应用：未来需增加大数据赋能权重

NBD: 在大数据和AI赋能公共卫生监测时，主要从哪些环节入手？

王磊: 在疫情初期，我们将互联网疫情大数据直播嵌入到各地融媒体中心系统中，为政府部门、疫情防控专业机构以及广大用户提供及时、权威的疫情最新信息。此外，在曾大军研究员和曹志冬副研究员的带领下，我们参加了科技部信息化专班，通过广泛搜集数据，建立了基于传染病传播动力学的预测模型，为国家层面的防控决策提供了有针对性的建议。在全球疫情暴发后，我们借鉴美国约翰·霍普金斯大学的疫情大数据仪表盘理念，推出了国内版的全球疫情监测与分析系统，为相关媒体和政府部门提供全球疫情实时数据和全球疫情态势分析。

NBD: 您认为近期北京疫情防控的效果如何？

王磊: 相比武汉地区疫情暴发的情况，北京的防控措施显得更加高效。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其密切接触者，并迅速安排了核酸检测。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。

当然，传染病疫情具有动态性和复杂性，如何在结合大数据和AI技术的情况下，在疫情防控中积累经验，并在预判方面更加及时，仍然是一个具有挑战性的难题。如果能够通过大数据分析，提前预警传染病的征兆，将是具有重要意义的工作，需要政府部门、医疗卫生专业机构和技术公司共同努力。

NBD: 未来，AI+大数据的应用场景会有哪些新突破？需要什么样的技术进行优化和支持？

王磊: 将来的公共卫生监测大数据需要在现有基础上，增加更多维度和权重。国家正在规划公共卫生系统的全面升级，人工智能和大数据将是其中不可或缺的重要部分。对于大数据与人工智能企业来说，这是一个新的行业机会。如何将各个省、市、县的公共卫生相关数据融通，集成为一个公共卫生监测数据库，借助人工智能技术实现传染病早期预警、趋势研判和传播溯源，将是公共卫生监测的一个重要发展方向。

NBD: 当突发疫情来临时，公共卫生监测模型是否通用？

王磊: 任何领域，尤其是像公共卫生这样专业性较强的领域，都需要专业知识的积累。传染病暴发监测及分散分析非常复杂，需要与公共卫生专业机构紧密结合，以获得更加专业和精准的结果。

行业机会：技术落地处于竞跑阶段

NBD: 北京疫情的反弹给AI+大数据监测公共卫生行业带来了哪些启示？

王磊: 北京此次疫情防控中，从信息公开和应对、重点群体跟踪溯源以及健康码的广泛普及等方面，都展现了很高的效率。很多信息化举措处于国际领先水平。

未来要进一步实现自动预警或预测，需要获取更多数据源，包括政府部门、卫生活动机构、社区企业等层面的数据融合。借助新基建机会，构建更加广泛的社会传感器，进一步推动人工智能和大数据模型和算法创新，需要信息学科和公共卫生交叉学科的基础研究投入，以及产业和政策的支持。

NBD: 疫情给整个市场带来了哪些变化？

王磊: 整个公共卫生大数据监测市场还是一片有待开发的蓝海。此前，公共卫生监测产业的运用较少，推广普及度不够。相信借助国家对公共卫生系统升级和迭代的机会，产业链上下游的企业将迎来许多新的机会。

目前，疫情相关产品和应用正在形成新的产业生态。大家熟悉的病毒检测和药物开发、测温仪和无接触经济已经得到了很好的孵化和快速发展。而在大数据和AI辅助疫情防控领域，还有巨大的市场空间。无论是国家各部门还是基层单元，都需要AI和大数据防控的产品。但由于公共卫生行业的专业性和知识壁垒，企业需要具备足够的研究和了解，才能在竞争中脱颖而出。

NBD: 今年新基建的风口将给公共卫生监测带来哪些改变？

王磊: 我认为，新基建是对信息化基础设施的广泛推广和升级，将加速社会信息流动和计算速度，带来更广泛的数据感知，更丰富和及时的数据汇集，更快和更可信的数据分析计算。这对公共卫生监测覆盖面尤其是基层社区覆盖的作用显著，对最终赋能公共卫生防控乃至数字化经济的帮助很大。