温哥华港湾（BCbay.com）子西综合报道：在此次不断升级的武汉冠状病毒疫情中，最早正式发出疫情警告的并不是美国疾控中心或世卫组织，而是加拿大一家健康监测平台。

1月9日，世界卫生组织向公众通报：武汉市报告了一系列肺炎病例，可能是由于摊贩在华南海鲜市场接触活体动物引起的。

之前的1月6日，美国疾病控制与预防中心（US Centers for Disease Control and Prevention）就已经宣布了这一消息。

而加拿大一家健康监测平台BlueDot，早在2019年12月31日就向其客户发出了提前疫情警告，避开武汉等危险区域。

BlueDot是一家数字健康服务商，使用AI驱动的算法，搜索新闻报道、动植物疾病网络和官方公告，跟踪并预测传染病的全球蔓延趋势，从而设计出最佳解决方案。

经历过SARS之后，Khan认为：“我们无法完全依赖政府及时提供信息。”他认为可以找到一种更好的追踪疾病的方法。

“我们可以收集有关可能爆发的新闻，传言，论坛或博客，以表明发生了一些不寻常的事件。”

2014年，Khan创办了BlueDot公司，设计疾病监测分析程序，使用自然语言处理和机器学习技术来筛选65种语言的新闻报道，以及航空公司数据和动物疾病暴发的报道。

早前，BlueDot曾成功预测了Zika疫情在南佛罗里达州的位置。

Khan表示，“我们所做的是使用自然语言处理和机器学习来训练该引擎，以识别这是蒙古爆发的炭疽病，还是重金属乐队炭疽的团聚。”

自动数据筛选完成后，人工分析就将接手。

流行病学家从科学角度检查结论是否合理，然后将报告发送给相关的政府，企业和公共卫生客户。

此次，BlueDot将报告发送给了包括美国和加拿大在内的十几个国家，包括航空公司和一线医院的公共卫生官员。根据报告，这些地方可能最终会有患者感染。

Khan说，BlueDot目前还不会将其数据出售给大众，但这是公司下一步努力的目标。

此次，仍在扩散中的武汉冠状病毒疫情，让公众进一步意识到了公开信息的重要性。

只有真正了解现状，预测走势，才能做出更为理性判断，对下一步行为做指导。

不过，公众同样感受到，社交媒体的普及，尽管在一定程度上推动了信息公开，但其本身碎片化、缺乏公信力、耸人听闻的泛滥传播方式，对疫情的控制也存在负面影响。

Khan就表示，BlueDot的算法没有使用社交媒体发布的内容，因为社交媒体的数据太乱了。

在疫情扩散轨迹的预测上，BlueDot使用了这个数据：访问全球机票数据，可以帮助预测受感染居民的下一个去向和时间——准确预测该病毒在首次出现后的几天内将从武汉跳到曼谷，汉城，台北和东京。

谈到此次武汉新型冠状病毒的爆发时，Khan说：“有点似曾相识。” 

“2003年，我看到病毒席卷了整个城市，并使医院瘫痪。大家精神和身体上都非常疲劳，我就想，让我们不要再这样做了。”

内布拉斯加大学医学中心传染病专家詹姆斯·劳勒说，随着从中国到其他国家的旅行者出现感染症状，冠状病毒的爆发将继续蔓延。

“我们仍然不知道有多少人会生病，以及有多少人会在疫情消退之前死亡。”

劳勒认为，为了制止疾病的传播，公共卫生官员需要迅速响应，与此同时，可能值得将一些任务托付给AI驱动的流行病学家。

事实上，BlueDot并不是第一家试图通过人工智能与大数据技术协助公共卫生管理的公司。

2008年，谷歌就曾推出了“谷歌流感趋势”（GFT），根据汇总的谷歌搜索数据，近乎实时地对全球当前的流感疫情进行估测。

这个工具最初运行表现很好。

2009年在H1N1爆发几周前，“谷歌流感趋势”成功预测了H1N1在全美范围的传播，甚至具体到特定的地区和州，而且判断非常及时，令公共卫生官员们和计算机科学家们倍感震惊。

与习惯性滞后的官方数据相比，谷歌成为了一个更有效、更及时的指示标，不会像疾控中心一样要在流感爆发一两周之后才可以做到。

不过2013年1月，美国流感发生率达到峰值，而“谷歌流感趋势”的估计比实际数据高两倍，事实上，GFT在很长一段时间内多次过高地估计了流感的传染情况。因此，这一产品被“安乐死”。

之后，有研究人员在Science上发表文章“谷歌流感的寓言：大数据分析的陷阱”，解释了大数据分析为何会背离事实。

作者认为有两个重要原因，大数据浮夸（Big Data Hubris）和算法变化。

不过，作者认为，谷歌流感趋势不准确性不是必然的，并不是谷歌的方法或大数据分析本身存在什么缺陷。

他们推荐应该将大数据与小数据（即传统的控制数据集）结合起来，创建对人类行为更深入、更准确的表达。

BlueDot能否不重蹈“谷歌流感趋势”覆辙，还需要进一步观察。

最后还是要说一句，工具最终是由人使用、为人服务。尽管随着科技的发展，我们拥有越来越精良的装备和辅助工具，但公共卫生管理水平的提升最终还是由使用工具的人来实现。