編者按：
在大數(shù)據(jù)被熱炒的今天，你一定從哪里聽說過，谷歌用搜索和大數(shù)據(jù)技術(shù)來預(yù)測流感發(fā)生。大數(shù)據(jù)粉絲們對此捧紅得不得了，這就是著名的“谷歌流感趨勢”（Google Flu Trends）項目。粉絲們認(rèn)為，利用大數(shù)據(jù)預(yù)測疾病發(fā)生，是公眾健康的福祉。
不過，身在美國的衛(wèi)生經(jīng)濟(jì)學(xué)家陳茁向健康界介紹，這一始于2008年的項目如今在美國遭遇到了很大質(zhì)疑。
他介紹，盡管“谷歌流感趨勢”在2009年的成功表現(xiàn)讓人大吃一驚，但接下來，項目高估了類流感的發(fā)病率，有時甚至比美國疾控中心的數(shù)據(jù)高出一倍以上。
不過，熟悉統(tǒng)計學(xué)的陳茁結(jié)合他過去的一些研究，對“谷歌流感趨勢”與美國疾控中心數(shù)據(jù)偏差產(chǎn)生的原因進(jìn)行了分析，并對谷歌項目提出了改進(jìn)建議。
他的觀點很明確，類似項目應(yīng)該在數(shù)據(jù)準(zhǔn)確方面有所改進(jìn)，不切實際的過高期望有可能會“捧殺”大數(shù)據(jù)。但他相信，如果方法得當(dāng)，大數(shù)據(jù)對疾病預(yù)測依舊有巨大的潛能，還可以在疾病監(jiān)測防控之外發(fā)揮難以比擬的作用。
中國衛(wèi)生領(lǐng)域?qū)Υ髷?shù)據(jù)的支持者最近大概是喜憂參半。一方面，中國國家疾病預(yù)防控制中心與百度合作，進(jìn)行疾病預(yù)測防控；另一方面，美國“谷歌流感趨勢”項目的準(zhǔn)確性遭受到質(zhì)疑。
“谷歌流感趨勢”是谷歌公司2008年上馬的一個項目。它的想法是，根據(jù)美國各州和主要城市對流感短語的搜索，來預(yù)測流感的暴發(fā)。
項目背后的原理也很簡單：如果某地流感開始流行，那么相關(guān)疾病的谷歌搜索就會增多。谷歌研究團(tuán)隊2009年在《自然》上發(fā)表的文章引起很大反響。他們準(zhǔn)確預(yù)測了2009年流感流行，讓人大吃一驚。
其實，對于利用搜索引擎及相關(guān)數(shù)據(jù)預(yù)測衛(wèi)生領(lǐng)域指標(biāo)，業(yè)內(nèi)早有相關(guān)研究。哈佛大學(xué)陳怡玲和合作者利用Yahoo的搜索數(shù)據(jù)，曾預(yù)測過肺炎和流感相關(guān)死亡數(shù)，相關(guān)研究于2008年發(fā)表在《Clinical Infectious Disease》上。
“谷歌流感趨勢”為何受質(zhì)疑
2009年以后，“谷歌流感趨勢”項目的表現(xiàn)一直不盡如人意。2011年~2013年間，項目多數(shù)高估了類流感發(fā)病率，有時候甚至比美國疾控中心的數(shù)據(jù)超出一倍以上。原因到底是什么？
我個人認(rèn)為，其中一個原因就是大家被“谷歌流感趨勢”2009年的成功迷惑了，寄予了它過高的期望值。
現(xiàn)實要遠(yuǎn)比原理復(fù)雜。谷歌搜索的結(jié)果和使用者人群“自我估計”的流感發(fā)病率相關(guān)?！白晕夜烙嫛睂嶋H上很有問題。這是因為，普通感冒在不同個體身上的嚴(yán)重程度上會有差別，有些患者因為擔(dān)心，便搜索了相關(guān)信息。這些搜索構(gòu)成了類流感“自我估計”中的“噪聲”。所以，“谷歌流感趨勢”模型中的“噪聲”需要謹(jǐn)慎對待。
另外，美國疾控中心的數(shù)據(jù)來自各地實驗室或醫(yī)療服務(wù)提供商，反映的是就診發(fā)病率。由于不是每個類流感患者都會去看病，美國疾控中心的數(shù)據(jù)跟真實發(fā)病率也會有差別。
某種意義上說，谷歌流感趨勢的預(yù)測和美國疾控中心數(shù)據(jù)是兩個不同的指標(biāo)，兩者不一樣并不奇怪。相對于就診發(fā)病率，我認(rèn)為“谷歌流感趨勢”結(jié)合傳播動力學(xué)來預(yù)測流感暴發(fā)概率，可能會更好一些。
當(dāng)然，如果只用“谷歌流感趨勢”，還想準(zhǔn)確地預(yù)測流感發(fā)病率，無疑是歧路亡羊。
“谷歌流感趨勢”項目失誤的另外一個原因是在數(shù)據(jù)分析方面存在欠缺。哈佛大學(xué)GaryKing和搭檔的研究就指出了谷歌項目在分析上的不足。
首先，這個項目沒有盡可能利用傳統(tǒng)的統(tǒng)計分析手段來剔除系統(tǒng)誤差，比如殘差的自相關(guān)性和季節(jié)性。
其次，“谷歌流感趨勢”忽略了其他數(shù)據(jù)的作用。如果結(jié)合美國疾控中心的數(shù)據(jù)，谷歌的預(yù)測其實有可能被大大改善。我曾在明尼蘇達(dá)大學(xué)楊宇宏教授的指導(dǎo)下做過“預(yù)測合并”的研究，“預(yù)測合并”可以改善預(yù)測精度，這或許是一個可行的改進(jìn)方向。
另外，有推測認(rèn)為，隨著項目開始廣為人知，很多人開始跟進(jìn)研究。大家都搜索流感相關(guān)短語，也增加了不少“噪聲”。這個問題相對來說比較容易解決，因為谷歌可以確定搜索是否源于研究機(jī)構(gòu)子網(wǎng)中，然后進(jìn)行排除。
而且，Gary King等也委婉地對谷歌研究團(tuán)隊提出了批評，認(rèn)為其數(shù)據(jù)分析不夠透明，沒有將完全的“搜索短語集”公布出來。
中國CDC與百度合作要避免雷區(qū)
盡管谷歌的項目遭遇質(zhì)疑，但我個人認(rèn)為這種質(zhì)疑不足以否定大數(shù)據(jù)對國民健康的潛在貢獻(xiàn)。我也相信，大數(shù)據(jù)還可以在疾病監(jiān)測防控之外發(fā)揮難以比擬的作用。
根據(jù)美國2010平價醫(yī)療法案（ACA）建立的循患果效研究所（Patient-centered Outcome Research Institute)曾經(jīng)資助了一個大數(shù)據(jù)項目。該項目旨在利用11個不同醫(yī)療服務(wù)網(wǎng)絡(luò)的數(shù)據(jù)，來找出醫(yī)學(xué)干預(yù)有可能產(chǎn)生的不同效果，并為找到合適的隨機(jī)臨床試驗受試者提供線索。
此外，隨著信息技術(shù)的發(fā)展和相關(guān)軟硬件性價比的提高，相當(dāng)多的數(shù)據(jù)服務(wù)商和地區(qū)醫(yī)療服務(wù)網(wǎng)絡(luò)已開始利用大數(shù)據(jù)，尋找最有效和最具成本效益的醫(yī)學(xué)、預(yù)防和干預(yù)手段。老牌MarketScan等數(shù)據(jù)服務(wù)機(jī)構(gòu)受到新興機(jī)構(gòu)的挑戰(zhàn)，如醫(yī)療成本研究所等。
我相信，中國國家疾病預(yù)防控制中心與百度的合作前景可期。百度的數(shù)據(jù)結(jié)合中國國家疾病預(yù)防控制中心觀測點的數(shù)據(jù)，可提供更多更全面的原始信息。如果配合嚴(yán)謹(jǐn)?shù)姆治?，這有可能開辟疾病監(jiān)測防控的新天地。
對于上述合作，期許之外，我也有一些建議：
一個是應(yīng)該更加重視分析方法，不能因為有了大數(shù)據(jù)就放棄對分析方法的重視和探索。沒有合適的方法，大數(shù)據(jù)也可能導(dǎo)致錯誤的結(jié)論。比如，百度的使用人群會有不同的特征，利用百度數(shù)據(jù)進(jìn)行推測疾病，就需要考慮這些特定人群與一般人群之間的差異。
另外，也需要考慮個人隱私和流行病監(jiān)測之間的平衡。
最后，對標(biāo)準(zhǔn)化的重視會減少大數(shù)據(jù)應(yīng)用過程中的錯誤。這一點對醫(yī)院和各地疾控機(jī)構(gòu)信息化建設(shè)尤為重要。
（本文作者為芝加哥大學(xué)衛(wèi)生促進(jìn)研究中心博士后學(xué)者，資深衛(wèi)生經(jīng)濟(jì)學(xué)者，主要研究領(lǐng)域為衛(wèi)生經(jīng)濟(jì)學(xué)、健康不均等的分析，及政策和項目評估。《中國衛(wèi)生評論》創(chuàng)刊主任編輯，現(xiàn)任《家庭和經(jīng)濟(jì)問題雜志》編輯委員會委員。本文僅代表作者個人觀點。）
