Big Data預測疾病優缺點比較

Big Data 疾病預測Google Flu Trends

一.介紹

•Google Flu Trends 使用巨量的搜尋數據去預測全球流感活動趨勢
•搜尋「流感」的使用者不一定是流感患者,但我們將所有與流感相關的搜尋關鍵字統整後,發現其中存有一個特定模式。
•將查詢次數與傳統流感監控系統資料進行比較,發現某些搜尋關鍵字在流感季節特別熱門。因此,只要統計使用者搜尋這些關鍵字的次數,便能預測全球各個國家及地區的流感疫情發展。
二.為什麼使用Google Flu Trends?
1.傳統的流感監控系統確實扮演重要的角色,但大多數衛生機關只關注單一國家或地區的疫情發展
2.傳統的每週只會更新預測資料一次。Google Flu Trends提供全球多個國家/地區的疫情趨勢資訊,而且每天都會進行更新,能補足目前監控系統的缺陷。
3.及早發現疾病開始流行,有助於降低感染人數。若在特定情況下出現新型流感病毒,因而爆發大流行,可能導致數百萬人。對流感所做的最新預測,可協助公共衛生部門的官員和醫療專家針對季節性傳染病和大流行疫情做出更完善的應變措施。

與官方流感監控資料比較:

USA

 

JAPAN

過去的結果正確並不代表未來的預測也準確

三.預估失準

在2013年1月GFT高估流感的發生

 

高估原因:

•媒體報導
–搜尋數據對於媒體的報導過於敏感
 
•演算法
–目前的演算法對於預測模型失準

 

Google Trends 與台灣CDC比較


四.百度疾病預測

百度疾病預測才剛剛上線,成功或失敗目前還無從談起,但他們加入與疾病相關性極高的氣溫變化、環境指數、人口流動等因素,藉此精化數據,並結合國家級的疾病防治中心資料,此觀點或許是相關疾病預測系統可參考學習的。

五.拜歐迪公司(Bio. Diaspora)

•紐約時報表示:「Google完全比不上拜歐迪。」
•七大因素影響病毒傳染途徑: 
–全球航班起降
–人口移動
–地球表面溫度與濕度變化,氣候變遷
–家禽與家畜密度
–昆蟲滋生
–傳染病起源地環境
–城市的健康管理系統
 

電話數據的伊波拉移動地圖



透過綜合分析,可快速地畫出一張張疾病傳染地圖,進行風險評估,並根據不同國家與城市之醫療資源擬定對策

 

參考資料