日前，据国内多家媒体报道，浙江杭州， 金华， 丽水等地相继推出“三色健康码”，并采用“一人一码三色管理”的模式作为疫情期间返乡人员流动的通行证。

据悉，所谓“健康码”就是基于数字能力的健康评估证书。

在一人一码的管理模式下，展示绿码的人会经过整个城市；黄码者7天内集中或隔离在家，连续申报健康打卡不超过7天正常后转为绿码；有红码的需要在家集中或隔离14天，正常健康打卡14天后转为绿码。

在企业开始复工的时点，人员流动无疑会增加疫情防控的风险，而“一人一码”健康评估证明了数字化，有效实现了流动人员的健康管理，实现了员工去过哪里、是否存在感染风险的数字化追溯，使得企业复工期间的疫情风险更加可控。

“一人一码”背后，大数据助力疫情防控

近日，民政部在发布会上提到，科技互联网公司对疫情防控意义重大。事实上，在当前的城市社区和农村地区，微信、qq等互联网社交软件已经成为重要的信息交流平台，有效保障了信息的畅通。

与17年前的非典疫情相比，在这场没有硝烟的“战疫”中，我们有了更多防控疫情的生力军。当AI、大数据等新技术逐渐融入到人们的生活中，我们也有了更多的技术和手段来抗击疫情。

浙江多个地方使用的“健康码”数字健康评估证明，实际上可以建立复工期间的人员流动数据库，基于终端LBS技术和人员流动迁移大数据地图，可以获得完整的疫情防控数字地图，进而实现复工人员的数字路径追踪，实现疫情的数字化管控。

大数据对疫情防控的助力大致可以分为三个重要节点：前期、中期和后期，不同节点的助力效果不同。

在疫情爆发初期，大数据更大的作用体现在对病毒宿主的研究上。比如1月24日，北京大学的研究团队发表论文称，NCp病毒的中间宿主可能是水貂。在研究中，团队将病毒特异性基因组的数据与现有的病毒基因数据库进行搜索和比较，然后通过对比较结果的进一步研究得出结论。

疫情防控中期，基于终端的LBS技术绘制的数据迁移图，可以有效帮助预测区域疫情，从而更有针对性地定制防控方案。例如，数据迁移图显示，在河南，的地级市中，南阳市是湖北，人口迁移最多的地区，因此南阳成为河南省疫情防控的重点地区。

在疫情防控后期，大数据的作用主要是控制潜在风险，比如通过建立返乡人员数据库，实现人员溯源。

事实上，大数据并不总是在疫情防控中发挥积极作用。比如一些基于数据算法的疫情预测，很容易“助人为乐”。

2008年，谷歌推出了谷歌流感，试图利用人们的搜索查询记录来预测流感的爆发。它甚至先于美国卫生部门两周发现了2009年的猪流感大流行然而，这种预测方法有一个严重的缺陷，即算法容易高估疾病的流行严重程度，从而导致恐慌。最后，谷歌流感项目被迫暂停。

其实大数据对于疫情防控最重要的一点在于真实信息的传播。毕竟谣言和恐慌比病毒更可怕。基于大数据的准确谣言清晰、准确、清晰地存在

如今，几乎所有互联网公司都推出了疫情防控信息，如百度App、今日头条、腾讯新闻等信息类App，以及支付宝，微信等工具类App，通过疫情实时报告、确诊人员活动轨迹可视化、大数据谣言等方式，保障真实信息畅通，在谣言和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，的《卫报》报道，华盛顿， 美国，的一家医院以避免冠状病毒感染为例，用机器人治疗病人。该院传染病科主任乔治乔治狄亚兹，在接受《卫报》采访时表示，他不需要进入病房，而是操作医疗机器人对患者进行检查和治疗。

诊断是传染病临床治疗的第一步，也是医务人员面临感染风险较高的阶段。如今，在新型冠状病毒的诊断和治疗中，CT影像已成为关键的诊断手段。

目前，在《新型冠状病毒感染的肺炎诊疗方案》，湖北省临床诊断中，以“具有肺炎影像学特征的疑似病例”为病例标准，CT影像学成为重要的诊断手段。在CT影像诊断中，AI大数据有很大的应用空间。

例如，AICT基于大数据分析的辅助诊断和治疗可以通过建立CT图像的病例数据库和数据馈送诊断的AI算法来实现。对此，有医疗行业人士表示，影像人工智能肺炎辅助诊断系统提供了准确、便捷的参考依据，能够快速给出诊断意见，缓解了影像诊断师巨大的精神和身体压力。

据统计，我国放射科医生的增长率仅为4.1%，而医学影像数据的增长率约为30%。也就是说，未来基于深度学习算法的医学图像AI成功商业化后，将有效提升医学图像诊断的效率。

传统药物研发过程的效率痛点也将通过深度学习AI来解决。“基于系统的药物设计”综合利用药物分子信息和疾病调控网络、基因组、蛋白质组和代谢组学等各种数据信息，是未来药物设计的方向之一。

在应用方面，大数据技术在电子病历中的应用环境将更加成熟。此前，北京市医院管理局要求其在三甲的23家医院，到2020年必须有一半达到五级，并明确要求医院医务部牵头，信息部配合实施。电子病历作为提升医院信息化水平的基础工程，其基础应用已成为大数据医疗的基本核心内容。

在技术上，NLp自然语言学习、数据检索、分布式数据库和知识地图等都得到了一定程度的应用。与此同时，这些技术的发展也逐渐呈现出“去中心化”的发展趋势：不仅是科技巨头，越来越多的中小科技企业也在不断开发或应用这些技术。

目前，Hadoop数据库已经用于电子病历厂商的后期结构化，以及BI厂商的数据分析和展现。未来随着各大高校相关专业和课程的逐步开放，将在很大程度上满足人才需求，从而进一步降低技术门槛，加速大数据技术在医疗行业的应用。

结论：

虽然已经进入复工阶段，但并不意味着疫情拐点已经出现，复工阶段的人员流动势必会给疫情防控带来更多挑战。

一人一码及其背后的大数据力量助力防控复工，无疑是目前最需要的防疫措施之一。疫情结束后，大数据在医疗领域的应用将进一步深化和拓展。希望在不久的将来，当人们面临突发公共卫生事件时，有更多的“黑科技”力量来应对，从而守护人们的健康和幸福。

« 实务分析：亚马逊Listing搜索关键词填写优化技术的攻略 | 36克利普顿wise大会发表了便利店研究报告书。苏宁小店专注于建立OMO服务平台 »