大数据驱动的新发传染病建模与疫情防控决策支持

In response to the threat of emerging infectious diseases to global public health, a team of researchers in the fields of big data and epidemiology has been established for the project. By introducing big data and deep learning to the context of public health, we developed a set of decision support techniques for epidemic prevention and control based on the big data-driven paradigm. Based on the team’s previous study of big data decision support services for COVID-19 prevention and control in collaboration with the Joint Prevention and Control Mechanism of the State Council, the research covers three aspects including i) mining of factors influencing infection based on interpretable deep learning techniques (aiming to introduce interpretable deep learning into the mining and processing of epidemic data), ii) predictive simulation modeling based on the integration of epidemiology and big data (aiming to develop a model for simulation and prediction of the pandemic through the combination of big data methods and knowledge of epidemiology), and iii) application of decision support for regular and precise epidemic prevention and control (aiming to apply key techniques of the project to typical scenarios such as urban response for emergent epidemic and the prevention and control of imported cases). As a specific application of the “panoramic PAGE framework” in the field of public health decision-making during COVID-19 pandemic, the research results of this project will be applied to the Joint Prevention and Control Mechanism of the State Council, Chinese Center for Disease Control and Prevention, and Beijing Epidemic Prevention and Control Office for decision-making about normalized epidemic prevention and control.

为应对新发传染病对公共卫生的威胁，本项目组建了大数据学科和流行病学科联合的科研团队，拟通过大数据、深度学习与流行病学融合的技术路线，研发一套基于“大数据驱动范式”的传染病建模与防控决策支持技术。该研究建立在申请团队对国务院联防联控机制等部门的大数据疫情防控决策支持服务之上，研究内容包括：1）“基于可解释深度学习的疫情影响因素挖掘”，目的是将可解释深度学习引入疫情大数据的挖掘处理当中；2）“传染病学与大数据相融合的预测仿真建模”，目的是将大数据方法与流行病领域知识相结合，研发传染病的仿真预测模型；3）“面向常态化精准疫情防控的决策支持应用”，目的是选择城市突发疫情应急和海外输入疫情防控等典型场景，将项目关键技术在实际应用中进行验证。本项目的研究成果将被应用于国务院联防联控机制、中国疾控中心、北京市疫情防控办的常态化防控决策当中；该项目是“全景式PAGE框架”在公共卫生决策研究领域的具体应用。

项目背景与研究内容：新发传染病对人类的社会经济造成了巨大的危害，尤其是2019 年末出现的新型冠状病毒肺炎疫情，已成为最近一百年来最严重的全球性公共卫生事件。为了应对新发传染病对全球公共卫生的威胁，本项目组建了大数据学科和流行病学科联合的科研团队，通过大数据、深度学习与流行病学相融合的技术路线，研发基于“大数据驱动范式”的疫情防控决策支持技术。项目根据“大数据驱动的管理与决策研究”重大研究计划所提出的“全景式PAGE框架”，建立了以“影响因素挖掘”→“数据融合建模”→“疫情动态预测”为主线的新冠肺炎疫情建模、仿真与防控决策支持技术体系。..项目研究成果：本项目取得的学术成果包括在数据挖掘领域的顶级期刊、会议IEEE TKDE、ACM SIGKDD、ACM TOIS，以及公共卫生的权威期刊BMJ子刊等发表学术论文9篇，获得600余次的引用，进入ESI高被引。技术成果形成中美发明专利各2项、软件著作权2项。系统平台被纳入国务院电子政务办“互联网+”监管平台。向国务院联防联控机制、北京疾控中心、北京冬奥组委等部门提供专题研究报告上百份，应对突发疫情超过20次。获得刘鹤副总理等国家领导人批示，以及国务院联防联控机制、北京冬奥组等部门的书面感谢，关于温湿度对于新冠疫情传播能力影响的研究结论进入WHO疫情防控指南。以项目团队为主体的“北航新冠疫情大数据分析团队”获得了“全国科技系统抗击新冠肺炎疫情先进集体”，项目成员获得“北京市抗击新冠肺炎疫情先进个人”、“全国工信系统抗疫先进个人”、“全国科技系统抗疫先进个人”等荣誉表彰。..项目成果的科学意义：本项目的研究成果在学术上创建了大数据驱动的传染病建模范式，是大数据公共卫生管理领域重要的基础性学术创新。在应用上，本项目的研究成果直接服务了新冠肺炎疫情的防控，是大数据公共卫生管理理论创新的实践验证，具有非常重要的学术价值和现实意义。