百度和Google疾病预测有不同.docVIP

百度和Google疾病预测有不同 　　目前可供个人使用的大数据工具主要有两类，一类是来自医学监测机构的大数据，类似中国的疾控中心，美国的Carolinas Health Care，日本京都大学荒牧研究所等，以来自就诊患者统计为主，辅以大数据分析手段，以显示某地区目前流行病的发病情况为主，预测疾病流行走向为辅；另一类则来自搜索引擎和数据分析机构，包括Google Trends的疾病预测，百度预测的疾病预测，以及基于社交搜索的sickwether、patientslikeme和融合性的Healthmap等，以预测疾病流行走向为主，展示区域发病情况为辅。 中国论文网 /6/view-7149992.htm 　　两种数据工具的手段大同小异，区别只在于前者提供的数据多是针对大区域的、服务机构的数据需要，后者则多针对小区域甚至某个城市商圈，为个人消费者服务。 　　Google 预测曾经很准 　　谷歌流感预测（/flutrends）早在2008年即已推出，原理是采用流感趋势系统监测全美的网络搜索，寻找与流感相关的词语，比如“咳嗽”和“发烧”等，并利用这些搜索结果来提前9个星期预测可能与流感相关的就医量。 　　2009年在H1N1爆发几周前，谷歌公司的工程师们在《Nature》上发表了一篇论文，介绍了GFT，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。 　　这个工具最初运行表现很好，许多国家的研究人员已经证实，其流感样疾病（influenza-like illness， ILI）的估计是准确的，并且可以提前数周乃至数月，不像疾控中心一样要在流感爆发一两周之后才可以做到。 　　但此后的2013年，《新科学家》发现，在过去3年，该系统一直高估与流感相关的就医量，在这类数据最有用的流感季节高峰期尤其预测不准确。在2012/2013流感季节，它预测的就医量是美国疾控中心（CDC）最终记录结果的两倍；在2011/2012流感季节，它高估了逾50%。 　　《scientists》杂志认为，错误源自一种被称作大数据浮夸（Big Data Hubris）的算法变化，例如对模型的人工优化，或是模型对某些不当关键词的自动调整（例如某些搜索其实源于季节而非真实发病）。 　　芝加哥大学卫生促进研究中心博士后、卫生经济学者陈茁也曾撰文分析了其中的原因。他认为，谷歌搜索的结果和使用者人群“自我估计”的流感发病率相关。但在现实中，普通感冒在不同个体身上的严重程度上会有差别，有些患者因为担心，便搜索了相关信息。这些搜索构成了类流感“自我估计”中的“噪声”。如果只用“谷歌流感趋势”预测流感发病率就会存在问题。 　　陈茁认为“谷歌流感趋势”项目失误的另外一个原因是在数据分析方面存在欠缺。哈佛大学Gary King和搭档的研究就指出了谷歌项目在分析上的不足。首先，这个项目没有尽可能利用传统的统计分析手段来剔除系统误差，比如残差的自相关性和季节性；其次，“谷歌流感趋势”忽略了其他数据的作用。如果结合美国疾控中心的数据，谷歌的预测其实有可能被大大改善。 　　百度预测野心很大 　　百度的疾病预测（http：///disease/）于2014年6月上线，目前可以对全国34个省区、331个地市、2870个区县、19个城市的2558个商圈的11种疾病进行未来趋势的预测，包括提供流感、肝炎、肺结核和性病等疾病的活跃度、流行指数，以及各种疾病相关的城市和医院排行榜，用户可以查看过去 30 天以内的数据和未来 7 天的预测趋势。而且百度还在疾病预测的页面上，整合了百度旗下其他优势产品资源，比如在页面右下角提供了百度百科和百度健康的链接，用户点击过去就可以了解到有关当前页面疾病的各种相关知识。 　　百度疾病预测还加入了一些最新的技术成果和数据采集结果。例如，从公开资料来看，该产品模型的搭建一是通过历史数据构建统计规律性，比如流感或者手足口等疾病具有季节性周期的规律，二是通过研究疾病人数与其他相关数据的相关性来计算预测结果，同时从统计的角度来验证数据的正确性，以机器提供的数据为基础，加入对异常数据的监控和分析。 　　而为了让预测的准确率更高，百度还做了另外两方面的努力。其一是在数据合作上，不仅引入权威机构的相关数据而且保持同步更新，这其中不仅包含数据互通，同时也会与合作方的专家进行产品交流。 　　另一点不同在于，百度预测引入社交、天气、人群迁徙等搜索之外的数据，在搜索数据上，Google的query数据依赖于Google Correlation产品，而百度则是直接从原始日志中进行清洗、消岐、扩展和分析，相对来说，理论上更容易避免“春天感冒怎么办”这样的查询影响结果。此外，百度的地理划分可以细化到城