提示:当前为默认节点,你可以在后台修改为你想要的站点!
小旋风SEO-xxfseo.com

当前位置:首页 >  科技 >  移动互联 >  正文

“一人一码”之后,疫情防控大数据还能做些什么?

 2020-02-25 10:35  来源:A5用户投稿  我来投稿   IPO财经向善的个人主页 撤稿纠错

  短视频,自媒体,达人种草一站服务

日前,据国内多家媒体报道,浙江杭州、金华、丽水等地相继启用“三色健康码”,采用“一人一码、三色管理”的模式管理作为疫情期间复工人员流动的通行凭证。

据悉,所谓“健康码”,即是基于数字化能力的健康评估证明。

一人一码的管理模式下,显示绿码者,在全市域亮码通行;黄码者要进行7天以内的集中或居家隔离,在连续申报健康打卡不超过7天正常后,将转为绿码;而红码者则需实施14天的集中或居家隔离,在连续申报健康打卡14天正常后转为绿码。

在企业开始复工的时间节点上,人员流动无疑会加大疫情防控风险,而“一人一码”的健康评估证明数字化,有效实现流动人员的健康管理,员工去过哪些地方,有无感染风险,等情况得以实现数字化追溯,使得企业复工期间的疫情风险更加可控。

“一人一码”的背后,大数据助力疫情防控

近日,民政部在新闻发布会上提到,科技互联网公司对疫情防控具有重要意义,事实上,在当下的城市社区以及农村地区,微信、qq等互联网社交软件成为了重要的信息交流平台,有效的保障了信息的通畅。

与17年前的非典疫情相比,当下这场没有硝烟的“战疫”中,我们有了更多新的疫情防控力量,当AI、大数据等新科技逐渐融入到人们的生活中,我们也有更多的技术和手段去与疫情抗争。

此次浙江多地启用的“健康码”在应用端通过数字化的健康评估证明,实际上可以建立一个复工期间的人员流动数据库,基于终端的LBS技术以及人流迁徙的大数据地图,即可得到一张完整的疫情防控数字版图,进一步实现复工人员的数字化路径追溯,实现疫情的数字化可控。

大数据对疫情防控的助力大致上可以分为早期、中期、晚期三个重要节点,在不同的节点中发挥的效用也不尽相同。

在疫情爆发早期,大数据更大的作用是体现在病毒宿主的研究上。例如1月24日,北京大学研究团队曾发表论文称,NCP病毒的中间宿主可能是水貂,而在研究中,该团队通过病毒特定基因组的数据与已有病毒基因数据库做数据检索和对比,再通过对比结果的进一步研究得出结论。

在疫情防控中期,基于终端的LBS技术绘制的数据迁徙图可有效帮助预估地区疫情,从而更有针对性的定制防控方案。例如,数据迁徙图显示,在河南的地级市中,南阳市是湖北地区人流迁徙较多的地区,因此南阳成为河南省疫情防控中的重点区域。

在疫情防控的后期,大数据的作用主要是在对潜在风险控制上,如通过建立复工人员流动数据库等实现人员追溯等。

事实上,大数据在疫情防控上不都是起正向作用,例如有些基于数据算法的疫情预测就容易“帮倒忙”。

2008年,Google便推出了Google Flu,试图通过利用人们的搜索查询记录来预测流感的爆发,它甚至比美国卫生部门提前两周发现了2009年的猪流感大流行,但这种预测方法有严重的缺陷,那就是算法容易高估疾病的流行严重程度,以至于引发恐慌情绪。最后,Google Flu项目被迫中止。

其实,大数据对于疫情防控的最重要的一点,还是在于真实信息的传播上。毕竟,疫情中,比病毒更可怕的是谣言和恐慌。而基于大数据的精准辟谣,清晰、准确、明了地为民众呈现出事实,给恐慌“致命一击”。

如今,几乎所有的互联网企业都上线了疫情防控的信息,如百度APP、今日头条、腾讯新闻等资讯类APP,支付宝、微信等工具类APP,通过实时疫情速报、确诊人员活动轨迹可视化、大数据辟谣等功能,保障真实信息流通的通畅,从而在、辟谣、预警方面发挥了重要作用。

AI+大数据+医疗,“黑科技”守护人类健康

据英国英国卫报报道,美国华盛顿一家医院为例避免冠状病毒感染,在治疗病患时通过机器人实行诊治,该医院传染病主任乔治狄亚兹(George Diaz)接受《卫报》采访时表示,他不需要进入病房内,而是通过操作一台医疗机器人为病人进行检查和治疗。

诊断是临床治疗传染病的第一步,也是医护人员面临感染风险较高的阶段。如今,在对新冠状病毒的诊疗中,CT影像成为了关键的诊断手段。

目前,在《新型冠状病毒感染的肺炎诊疗方案》中,湖北省临床诊断中“疑似病例具有肺炎影像学特征者”作为病例标准,CT影像成为了重要的诊断手段。而在CT影像诊断方面,AI+大数据有很大的应用空间。

例如,通过建立CT影像的病例数据库,以及数据喂养诊断AI算法,可以实现基于大数据分析的AI CT辅助诊疗。对此,有医疗行业内人士表示,影像人工智能肺炎辅诊系统提供了精准便捷的参考依据,能够迅速给出诊断意见,缓解了影像诊断医师在精神和体力上的巨大压力。

有数据显示,目前我国放射科医师数量增长率仅为4.1%,与此同时,医疗影像数据的增长率约为30%,也就是说,未来在基于深度学习算法的医疗影像AI成功商业化后,将有效提高医学图像诊断效率。

传统药物研发过程的效率痛点也将为深度学习型AI所解决,“基于系统的药物设计”将药物分子信息与疾病调控网络、基因组、蛋白质组、代谢组等各类数据信息进行综合利用,是未来的药物设计方向之一。

在应用端,电子病历方面的大数据技术应用环境将更加成熟。此前,北京市医管局要求所属23家三甲医院必须有半数在2020年达到五级水平,而且明确要求医院医疗部门牵头,信息部门配合落实。作为提升医院信息化水平的基础项目,电子病历的基础应用成为大数据医疗的基础核心内容。

在技术上,NLP自然语言学习、数据检索、分布式数据库和知识图谱等技术,已经有一定程度的应用,同时,这些技术发展也在逐渐呈现出“去中心化”的发展趋势:不仅科技巨头,越来越多的中小技术企业也在不断发展或应用这些技术。

目前,Hadoop数据库已经用于电子病历厂家的后结构化,用于BI厂家的数据分析和展现。未来随着各大高校逐渐开设相关专业和课程,人才端的需求将会较大程度上被满足,从而进一步降低技术门槛,从而加速大数据技术在医疗行业的应用。

结语:

虽然目前已经进入复工阶段,但这并不意味和疫情拐点已经出现,复工阶段人员流动势必会给疫情防控带来了更多的挑战。

一人一码以及背后大数据力量助力复工防控,无疑是当下最需要的防疫措施之一,而当疫情结束后,大数据在医疗领域的应用也将进一步深入和拓展,希望在不远的未来,人们面对突发性公共卫生事件之时,能够有更多的“黑科技”力量应对,从而守护人们的健康和幸福。

作者: IPO财经向善    /    文章:1篇

申请创业报道,分享创业好点子。点击此处,共同探讨创业新机遇!

相关文章

榜单

热门排行

信息推荐

扫一扫关注最新创业资讯
xxfseo.com