国家传染病医学中心第一届感染合作论坛病原微生物网络临床预警论坛现场。澎湃新闻记者 曹年润 摄
·传染病监测数据通常是流行病学研究的起点。未来传染病监测在科研方面的应用主要有三个趋势：一是打通部门、机构与传染病相关数据的壁垒，实现多元数据共享。二是建立传染病监测预警平台，最大限度提升传染病预警的敏感性和及时性。三是建立多系统、多部门、多层级的传染病监测预警机制和平台。
国家传染病医学中心第一届感染合作论坛病原微生物网络临床预警论坛现场。澎湃新闻记者 曹年润 摄
“从环境到个体、从个体到人群的监测思路，应该是未来传染病监测的发展趋势。传染病监测不能只在人群中，还要在其他环境中、在动物中进行。新技术的应用也可以为综合性的传染病监测体系提供新的助力。”
3月31日，在上海虹桥举行的国家传染病医学中心第一届感染合作论坛病原微生物网络临床预警论坛上，复旦大学公共卫生学院流行病学教研室主任王伟炳教授在题为《传染病监测数据与科研应用》的演讲中说道。
王伟炳还表示，“在这次的新冠疫情中，我切实感受到公共卫生的研究应该跟临床更好地结合。”
王伟炳的主要研究方向包括传染病疾病负担的数学模型研究、传染病分子流行病学研究，以及疫苗及干预的效果及影响评价。他的课题组致力于利用多组学技术，研究传染病的社区传播机制，以及疫苗对于传染病控制的效果；基于公共卫生大数据和人工智能等手段，建立新发重大传染病的基础模型等。
会议期间，王伟炳接受了澎湃科技的专访，他表示，“在新冠开始时，出于对疫情趋势的研判和采取应对措施的需要，我们需要多方面的数据，比如实时的大人群监测数据，但这很难获得，因为并不是所有人都参加自愿检测。”
王伟炳在演讲中指出，最近，全球科研的关注点已经逐渐从新冠转向呼吸道合胞病毒（RSV）、流感等和新冠合并的传染病，未来的传染病监测可能也是基于这样一种思路来进行。
传染病监测数据通常是流行病学研究的起点。王伟炳认为，未来传染病监测在科研方面的应用主要有三个趋势：一是打通部门、机构与传染病相关数据的壁垒，实现多元数据共享。二是建立传染病监测预警平台，最大限度提升传染病预警的敏感性和及时性。三是建立多系统、多部门、多层级的传染病监测预警机制和平台。他还特别提到，传染病监测不能只在人群中，还要在其他环境中、在动物中进行。
构建更为成熟的传染病监测体系
王伟炳在演讲中介绍，全球的监测体系中，最为系统和成熟的是全球流感监测和应对系统（GISRS），该系统由世界卫生组织于1952年提出，目前已经有100多个国家加入，现在已经能够做到数据和病原体的分享。研究人员因而能够通过分享的数据来预测下一年流行的流感株，为流感疫苗的生产做准备。
这套体系也为新冠的监测提供了基础的支撑。“在全球流感监测规划中，以医院为基础的病原体监测是非常重要的。很多新冠病原体的快速监测，其实是源于已有的流感监测系统。”王伟炳说。
王伟炳认为，中国已经建立起比较好的监测体系，包括全国的疾病监测系统，有年度报告和月度报告，还包括HIV、结核病等特定传染病的监测，这些监测数据都有质量控制，有些数据也已经公开。
但在这次的新冠疫情中，中国的传染病监测体系仍然暴露出很多不足的地方，比如对发热门诊中病原体的监测还存在很多的局限。王伟炳介绍，上海已经做了很多尝试，例如建立上海传染病综合监测体系，为分析传染病的发展趋势，以及病原体构成发挥了重要作用。其中，医院的监测数据是不可或缺的。他希望，随着监测点的扩大、病原体储备的扩大，将来这个系统可以发挥更大的作用。
王伟炳告诉澎湃科技，以新冠为例，传染病的数据监测难点有二：“一是如何在人群中进行系统化的抽样，以及抽样以后进行变异株的测序。一些国家，例如新加坡和美国，能够做到在人群绝大多数感染的一段时间里，进行系统地测序，在整个人群中知道每一个突变株所占的比例以及它们的动态变化，我们国家缺少这样系统化的工作。二是对从口岸进入的毒株的监测，尽管这方面已经开始开展一些工作，但仍然缺乏系统性。这些都给对未来病毒的预测带来挑战。”
AI将带来变革，但还需要学习
近几个月，GPT（人工智能研究机构OpenAI开发的语言大模型系列）变革引发了各行业的思考。王伟炳在演讲中提到，在监测体系中，新技术的应用是一种非常主流的趋势。例如，谷歌（Google）的流感监测系统在过去的流感监测中发挥了非常重要的作用。“但大家不要忘了，现在的大数据和新技术的储备还没有达到能够替代专家的程度。”王伟炳提醒。
在实际应用中，存在“大数据的傲慢”，例如在流感疫情的监测中，大数据在后期存在比较多的误区。“在新冠疫情的预测中，大数据在前期的预测是比较准确的，发挥了重要作用。但由于大数据的预测体现的是一种趋势意识，在疫情到达顶峰后，再往下的预测是非常难的，大数据不能完整预测疫情整个过程的发展。所以我们在后期进行了不断的修正。”王伟炳表示，如果要在真正意义上从全国层面去预测疫情的话，仍然要基于发热门诊和社区人群的监测。
王伟炳表示，这给未来传染病监测带来的启示是，要防范“大数据的傲慢”带来的风险，同时，大数据要和医院、社区的“小数据”齐头并进，以及要加大在传染病数据监测上的投入，提高数据质量。
“我相信未来人工智能等新技术的发展可以对监测过程中数据的快速筛查、研判，以及医学上的诊断都带来革命性的影响，但从目前所能应用的技术来说，人工智能等技术还不能完全替代日常的人工监测，常规的监测更多是日常数据的收集、标本的检测，这些传统的工作是不可欠缺的。”王伟炳对澎湃科技记者说，“另一方面，对于将来疫情监测趋势的研判，需要一些更加专业、综合的知识，并且需要基于一手数据，这点目前人工智能也不能完全做到。”
“人工智能需要学习，学习的过程是需要时间的，把GPT等新技术应用到垂直领域中还需要一段时间。”但王伟炳相信，如果研究人员能够很好地利用人工智能，可以在数据的监测和传染病的预测过程中起到一些特殊作用。
