# 预防流感的新途径

- 作者：杜会堂
- 发布时间：2012-07-27 16:10
- 分类：公司、特稿
- 原文：https://www.ifanr.com/123297

[![](https://s3.ifanr.com/wp-content/uploads/2012/07/got-sick.jpg "got sick")](https://s3.ifanr.com/wp-content/uploads/2012/07/got-sick.jpg)

和严重时足以致命的天花、霍乱、艾滋病相比，流感算是流行病家族中的小角色了。不过流感容易治愈，却很难预防。人体在接种流感疫苗后获得的免疫力，仅能维持大约一年。究其原因，在于流感病毒极易变异，可以通过抗原飘离和转变来逃避免疫系统的攻击。机体内的抗体对新的病毒变种束手无策，这也是流感至今仍在肆虐的原因。

常规的预防手段发展受限，这种情况下，人们开始尝试其他手段。据《新科学家》的[报道](http://www.newscientist.com/blogs/onepercent/2012/07/ai-predicts-when-youre-about-t.html)，纽约罗切斯特大学（University of Rochester）的博士后[亚当·赛迪莱克](http://www.cs.rochester.edu/~sadilek/)（Adam Sadilek）及其实验室成员，利用人们发布的 Twitter 信息来收集和记录流感的发生情况，取得了不错的进展。

事情要追溯到 2010 年，赛迪莱克和团队成员花费了一个月的时间来采集和分析超过 63 万纽约市民发布的大约 440 万条标有地理位置的 Tweets。他们通过自行设计的算法区分出 Tweets 中的模糊信息和正确信息，比如“纽约的交通简直令人作呕”和“我又呕吐了，估计是感冒了”，借此获得真正的流感患者。根据统计结果，赛迪莱克将处于不同感冒状态的人们用不同颜色的数点表示，然后标记在地图上。

[![sick-bubble2_anon](https://s3.ifanr.com/wp-content/uploads/2012/07/sick-bubble2_anon_thumb.jpg)](https://s3.ifanr.com/wp-content/uploads/2012/07/sick-bubble2_anon.jpg)

这一研究类似于 [Google Flu Trends](http://www.google.org/flutrends/about/how.html)，后者也是通过[记录](http://www.newscientist.com/article/dn16013-when-the-world-catches-flu-google-sneezes.html)人们每天搜索“流感”以及相似词汇的频次来分析未来流感爆发以及传播的可能性。

赛迪莱克希望借助这一手段来预测健康人群感染流感的可能性，同时予以警示，提醒那些尚未感染的人群。结果显示，这一预测的准确率高达 90%。

在日前于多伦多举办的 [Conference on Artifical Intelligence](http://www.aaai.org/Conferences/AAAI/aaai12.php) 会议上，赛迪莱克向参会人员描述了这个令人振奋的结果。

当然这一系统也存在诸多弊端，例如地理位置不够宽广，词汇辨析仍欠准确。更重要的是所有的数据基于 Twitter，考虑到 Twitter 用户水平的参差不齐，有些 Tweets 信息不全，有些则可能是虚假信息。另外，对于疾病的预测还应引入更多变量，毕竟人们感染流感的因素有很多，并非完全来自身体接触。

尽管如此，赛迪莱克新颖的想法依然让人备受鼓舞。老实说，考虑到 Twitter 巨大的用户量以及由此产生的庞大数据，单凭赛迪莱克等人，很难在短期内实现深入而准确的统计和分析。因此政府部门和医药企业，应该从赛迪拉克的研究中获得启发。毕竟和研究小组相比，二者在人力、设备和财力等资源上拥有得天独厚的优势。于政府而言，对流行病信息的收集和整理有助于提醒公民，予以规避；于企业而言，提前判断可能爆发的流行疾病，对药物的推广和研发有着不可估量的商业价值。当然，如果能将所有的信息和结果毫无保留地予以公示，那么无论对于流行病学研究还是人类发展，都是一件功德无量的善举。

题图来自 [wpclipart](http://www.wpclipart.com/medical/personnel/nurse/nurse_1.jpg)