當(dāng)谷歌遇上流感：解析網(wǎng)絡(luò)監(jiān)測(cè)傳染病的優(yōu)勢(shì)劣勢(shì)

1、隨著互聯(lián)網(wǎng)和社交媒體平臺(tái)的發(fā)展，越來(lái)越多類似于谷歌流感趨勢(shì)系統(tǒng)（GoogleFluTrends）的系統(tǒng)出現(xiàn)，試圖對(duì)當(dāng)前流行的傳染病進(jìn)行監(jiān)測(cè)。這些系統(tǒng)反應(yīng)快，覆蓋人群范圍廣，但是也有著弊端。對(duì)于傳統(tǒng)的流行病學(xué)檢測(cè)技術(shù)來(lái)說(shuō)，它們并不能完全取代，只能起到暫時(shí)補(bǔ)充的作用。今年流感在美國(guó)的暴發(fā)比往年要早，在肆虐的流感面前，一項(xiàng)用來(lái)監(jiān)測(cè)流感暴發(fā)的尖端技術(shù)也暴露出了自身的缺陷。和傳統(tǒng)監(jiān)測(cè)系統(tǒng)的對(duì)比數(shù)據(jù)顯示，通過(guò)和流感相關(guān)的互聯(lián)網(wǎng)搜索，來(lái)估計(jì)流感傳播狀況的谷歌流感趨勢(shì)系統(tǒng)（GoogleFluTrends），大大高估了流感的峰值水平。專家說(shuō)，對(duì)于這項(xiàng)具有前景的戰(zhàn)略來(lái)說(shuō)，這次的故障不僅僅是一個(gè)暫時(shí)的挫折，更意味著

2、谷歌需要改善它的算法系統(tǒng)。由于流感跟蹤技術(shù)是基于網(wǎng)絡(luò)數(shù)據(jù)挖掘和社會(huì)媒體擴(kuò)散，谷歌發(fā)生的這個(gè)插曲也是個(gè)適時(shí)的提醒：如今的技術(shù)并不能完全取代傳統(tǒng)的流行病學(xué)檢測(cè)網(wǎng)絡(luò)，它們只能起到補(bǔ)充作用。挑戰(zhàn)傳統(tǒng)法國(guó)監(jiān)控網(wǎng)絡(luò)創(chuàng)始人、巴黎第六大學(xué)的流行病學(xué)家Alain-JacquesValleron說(shuō)：“脫離現(xiàn)有的系統(tǒng)是無(wú)法進(jìn)行疾病檢測(cè)的。新系統(tǒng)的運(yùn)行在很大程度上依賴于過(guò)去的檢測(cè)系統(tǒng)?！弊?003年以來(lái)，今年是美國(guó)流感暴發(fā)最早的一年，從2012年11月起流感開(kāi)始蔓延，圣誕節(jié)剛過(guò)似乎就直逼上限。這也導(dǎo)致了更多嚴(yán)重的疾病和死亡案例，尤其是對(duì)老年人的殺傷力更大。因?yàn)檎?003年一樣，今年引發(fā)流感的病毒也是H3N2它是3個(gè)

3、主要季節(jié)性流感病毒中最致命的一種。傳統(tǒng)的流感監(jiān)測(cè)在一定程度上取決于來(lái)自內(nèi)科醫(yī)生所報(bào)告的病例。他們通過(guò)國(guó)內(nèi)網(wǎng)絡(luò)報(bào)告疑似流感病例（ILI）。這類病人通常具有一系列癥狀，例如高燒。這些病征可用來(lái)確診是否罹患流感。這種監(jiān)測(cè)在隨后得到了改進(jìn)：通過(guò)檢測(cè)一定數(shù)量具有類似癥狀的群體，來(lái)確定哪些人患有流感，哪些人不是。自從1984年建立起監(jiān)控網(wǎng)絡(luò)以來(lái)，法國(guó)成為第一個(gè)開(kāi)展電腦化監(jiān)控的國(guó)家。之后許多國(guó)家也開(kāi)發(fā)了類似的網(wǎng)絡(luò)：例如由位于亞特蘭大的疾病控制和預(yù)防中心（CDC）監(jiān)控的美國(guó)系統(tǒng)包括2700個(gè)醫(yī)療中心，每年約發(fā)現(xiàn)3000萬(wàn)例患者。然而，當(dāng)今幾乎覆蓋全球的互聯(lián)網(wǎng)和迅速發(fā)展的社交媒體平臺(tái)（例如推特）讓人們看到了希望

4、：這些技術(shù)可以更容易、更快速地估評(píng)ILI，并覆蓋更廣泛的人群。這些新系統(tǒng)源自谷歌在2008年推出的技術(shù)?；诠雀韬虲DC的研究，新系統(tǒng)依賴數(shù)據(jù)挖掘記錄和計(jì)算機(jī)模型的結(jié)合，谷歌搜索引擎會(huì)顯示與流感相關(guān)的搜索字詞。該系統(tǒng)得出數(shù)據(jù)的準(zhǔn)確性和CDC自身的監(jiān)測(cè)數(shù)據(jù)不相上下，而且它的速度比CDC快，可以提前CDC數(shù)日發(fā)布數(shù)據(jù)。該系統(tǒng)已被推廣到全球29個(gè)國(guó)家，并被拓廣到監(jiān)測(cè)另外一種疾病登革熱。出師不利谷歌流感趨勢(shì)系統(tǒng)運(yùn)行得相當(dāng)好，多個(gè)國(guó)家的研究者證實(shí)，其對(duì)ILI的估計(jì)是準(zhǔn)確的。但是最近美國(guó)流感季節(jié)的到來(lái)似乎讓谷歌的算法有些措手不及。它估計(jì)的流感峰值幾乎是CDC的兩倍，有些地方的數(shù)據(jù)甚至顯示出更大的差距。這并

5、不是流感給谷歌的第一個(gè)下馬威。早在2009年，H1N1（豬流感）流行伊始，谷歌模型嚴(yán)重低估了ILI的數(shù)量，迫使該系統(tǒng)不得不修改算法。在當(dāng)年那個(gè)罕見(jiàn)流感肆虐的大背景下，這個(gè)故障被認(rèn)為是人們搜索行為的變化所導(dǎo)致的。谷歌不會(huì)對(duì)今年的困難作出任何評(píng)論。但是研究者暗示：這些問(wèn)題可能歸因于媒體今年對(duì)美國(guó)面臨的嚴(yán)峻的流感季節(jié)的廣泛報(bào)道，例如紐約州上月發(fā)布的公共健康緊急狀態(tài)的公告。這些發(fā)布的報(bào)告可能會(huì)使很多未患病的人加入到與流感有關(guān)的研究中來(lái)。但是，對(duì)于谷歌流感趨勢(shì)能在改進(jìn)模式之后重新獲得原先的領(lǐng)頭地位，一些人持懷疑態(tài)度。來(lái)自哈佛醫(yī)學(xué)院的流行病學(xué)家JohnBrownstein說(shuō)：“你需要持續(xù)地去調(diào)試這些模式，

6、他們不能獨(dú)立于大環(huán)境工作，你每年都需要重新校準(zhǔn)它們?！迸c其他很多研究者一樣，Brownstein嘗試?yán)镁W(wǎng)絡(luò)的力量，設(shè)立一種由普通民眾自愿參與，而非醫(yī)生組成的衛(wèi)生網(wǎng)絡(luò)，民眾可以在網(wǎng)站上報(bào)告自己或者有流感疑似癥狀的家人的情況。于2011年創(chuàng)建的“流感在你身邊”系統(tǒng)現(xiàn)擁有4.6萬(wàn)名參與者，已覆蓋了7萬(wàn)人，由Brownstein最初創(chuàng)立的波士頓兒童醫(yī)院的“健康地圖”負(fù)責(zé)運(yùn)營(yíng)。風(fēng)起云涌類似的系統(tǒng)在歐洲如雨后春筍般出現(xiàn)。例如，僅僅于一年前設(shè)立的、由法國(guó)研究者與國(guó)家衛(wèi)生機(jī)構(gòu)聯(lián)合運(yùn)營(yíng)的GrippeNet.fr已經(jīng)吸引了超過(guò)5500名參與者，并且每周都有6090名新人加入。CDC流行性感冒監(jiān)督與疫情應(yīng)對(duì)小組負(fù)

7、責(zé)人LynFinelli認(rèn)為，這類大眾外包技術(shù)具有極高的可信度，特別是由于問(wèn)卷是根據(jù)ILI的臨床定義所設(shè)計(jì)，數(shù)據(jù)非常準(zhǔn)確。并且，無(wú)論是“流感在你身邊”還是GrippeNet.fr的參與者，年齡都分布在不同的區(qū)間。為促進(jìn)其發(fā)展，CDC與“流感在你身邊”已經(jīng)展開(kāi)了聯(lián)手協(xié)作，F(xiàn)inelli自己也加入進(jìn)來(lái)并表示：“我每周都在網(wǎng)站提交我家人的數(shù)據(jù)?！逼渌芯空邉t把目光投向了推特網(wǎng)。它可能是除社交媒體外，可供公眾選擇的一個(gè)獲取信息的最大渠道。一些團(tuán)隊(duì)的研究顯示：推特網(wǎng)上發(fā)布的流感相關(guān)模型可以近乎完美地替代ILI的官方數(shù)據(jù)，并且它還提供多種多樣的服務(wù)，例如MappyHealth以及Sickweather，可

8、以實(shí)時(shí)地測(cè)試天氣并對(duì)流感的危害程度給出可靠的評(píng)估。但是Finelli對(duì)此持懷疑態(tài)度。她說(shuō)：“推特網(wǎng)分析的可信度遠(yuǎn)遠(yuǎn)不如谷歌流感趨勢(shì)系統(tǒng)和流感在你身邊?！彼J(rèn)為推特網(wǎng)上的信噪比非常低，并且大多數(shù)推特網(wǎng)的活躍用戶是年輕人，因此不能代表社會(huì)大眾的狀態(tài)。來(lái)自馬里蘭州巴爾的摩市約翰斯?霍普金斯大學(xué)的電腦科學(xué)家MichaelPaul不認(rèn)同F(xiàn)inelli的觀點(diǎn)。他是開(kāi)發(fā)基于推特網(wǎng)的疾病監(jiān)控服務(wù)的小組成員之一，他說(shuō)，谷歌搜索詞匯的數(shù)據(jù)可能具有同樣多的噪音。而且，盡管基于互聯(lián)網(wǎng)的調(diào)查可以減少無(wú)用信息，但是由于較少的樣本容量因此極易導(dǎo)致樣本誤差。Paul說(shuō)：“我不認(rèn)為來(lái)自社會(huì)媒體的被動(dòng)監(jiān)控總是可以比來(lái)自民眾自發(fā)參與的調(diào)查獲得更多的數(shù)據(jù)。”為了減少無(wú)用信息，約翰斯?霍普金斯大學(xué)的團(tuán)隊(duì)最近已經(jīng)對(duì)幾千條與流感相關(guān)的推特信息進(jìn)行了分析，以便梳理出哪些信息是由真正患有流感的民眾所發(fā)布，哪些僅僅只是在發(fā)布流感新聞的鏈接。團(tuán)隊(duì)繼而利用這些信息去重新整理他們的模型，將與流感不相關(guān)的信息剔除出去。Paul說(shuō)，一篇被接受了的論文可以體現(xiàn)他們改進(jìn)工作的成果。網(wǎng)絡(luò)數(shù)據(jù)挖掘和大眾外包跟蹤系統(tǒng)已經(jīng)成為