利用医疗大数据预测和对抗流感，有哪些参与方式和投资机会？

2018年，流感在全球范围泛滥，美国的流感形势空前严峻，整个流感季之长超过了2003年以来的每一个冬季流感季。

根据美国发布的最新报告， 2月4日至10日，美国流感疫情已导致84名儿童死亡，创下了流感季单周儿童流感死亡人数的纪录。

与此同时，远在欧洲的意大利也爆发了“史上最强”流感，截止2月22日，意大利已有700万人被流感病毒所感染，因流感而引发的多重病症，共造成115人死亡。

  图片来源于CDC

好比管理监狱，直到越狱发生，人们才知道是哪些罪犯参与越狱。

即使监狱管理人员可以根据罪犯的行为对其越狱概率进行预测，也无法因为高越狱概率而对在事件发生前对罪犯定罪，正因如此，很少有医疗公司在流感爆发前就准备好大量的流感疫苗。

是否存在一个一劳永逸的方法，使人类不再受各种流感病毒的威胁？至今为止，答案是否定的，但总有人在为乌托邦不断尝试。

奥地利创业公司Vacthera正在着力研发一种通用流感疫苗，试图从这一危险又繁荣的领域中攫取商机。

该公司只是众多投身于免疫疗法与疫情预测的群体中的一员，这股潮流来源于人工智能的发展和数据的集合，新技术的开创让人们看到希望：虽不能消灭流感病株，但精确预测及更强效的疫苗同样能消除流感带来的死亡。

数据追踪与整合

作为预测的基础，数学模型的好坏取决于科学家使用的数据，而数据的构成在不断变化。

人类在季节交替时对流感作出的反应会随时间推移改变，因为病毒会进化出对抗人类免疫系统的防御机制。因此，数据的丰富性和时效性至关重要。

数据的丰富程度取决于取得数据的时机。在流感季到来之前，流感患者本季可能会携带变异的流感菌株类型，但这不意味着爆发的流感正是此时患者所携带的菌株类型。

临床数据自身也具有局限性，并非所有的患者都会前往就医，也并非所有的患者都会表现出流感症状。最关键的问题在于数据不够全面，流感病毒种类繁多，甲型病毒突变率高，给预测带来了极大的挑战。

2015年11月，23位生物学权威齐聚华盛顿特区的史密森学会（Smithsonian Institution），制定了一项宏伟的计划，即绘制、储存和传播大部分生命遗传信息。

这是一项庞大的计划，需要各国的测序机构共同测序。为跨越官僚政治的阻挠，一个可行的方案即是用区块链存储基因序列，建立一个生物信息数据库。

由于流感在大多数国家的监测系统中仍旧不属于常规工作，因此公开病毒监测数据和基因测序数据库能让研究系统的科研人员提高预测的精度。

例如, 共享南半球流感季的数据能够帮助北半球的工作人员理解病毒株进化的方式，以更好地预测流感的爆发。

2017年8月，中国平安与重庆疾控中心合作，全球首个流感预测模型落户重庆。团队提出“微观+宏观”的疾病预测模型，利用平安的大医疗健康数据和人工智能技术，及重庆市疾控中心常规监测数据，运用先进的人工智能技术将互联网数据和临床数据进行整合。该模型能够提前一周预测流感发病趋势，并在验证中取得了准确的预测效果。

美国Teladoc卫生服务公司的Brownstein博士同他的团队也在为获得更好的数据而努力。他们的最新疾病监测项目Flu Near You积极邀请患者参与调查。

通过网络或移动应用程序，用户每周都会接受一个快速调查，以揭示他们的症状，然后将所得数据转化为活动疾病图。

向远程医疗进军

过去，从互联网上获取的患者数据不仅单一，而且存在滞后性，难以用于分析，但这种情况正在发生改变。根据一些面向消费者的美国数字医疗公司的统计，通过互联网访问医生的流量正在大幅度增加。

远程医疗提供商American Well的医疗主管Sylvia Romm博士在一封电子邮件中写道：“在过去的一个月中，我们看到American Well平台上与流感有关的来电增加了300％。”

Kinsa公司最近宣布推出了一款疾病监测平台，该平台使用被动收集的温度和症状数据通过其数字温度计和相关应用程序来绘制全国各地的疾病传播图。

流感季节高峰期的可怕之处在于其惊人的感染人数，医院没有足够的医疗人员对大量的患者提供医疗服务，因此往往人满为患。

如果人们能更多的转向远程医疗，如在上述平台参与医疗服务，医生能够更高效地为患者解答，同时不用担心医患矛盾；而患者可根据医生建议提前准备药物，避开治疗高峰期，同时向数据中心提供自己的情况。

不断深入的免疫疗法

注射疫苗是预防流感的重要措施，但流感病毒易于突变，其耐药性也会随着时间的推移而增加。

2月8日，美国疾病预防控制中心的数据显示，疫苗对H1N1病毒株有效率为67％，对乙型流感病毒有效率为42％，而对H3N2株的有效性仅为25％。

新型疫苗一直处于研发之中，且核心思路也在不断改变。传统的免疫疗法是根据流感病毒特定的血凝素和神经氨酸酶，用灭活的病毒刺激免疫系统产生对应的抗体，而Vaccitech疫苗不是刺激抗体，而是增强流感特异性T细胞杀死病毒，然后在病毒体内传播。

此疫苗正处于临床2B期，在一项为期两年的项目的第一年中，有超过800名65岁及以上的老人参加了这项试验。该研究最终将涉及约2000人，计划于2019年10月前完成。早期的临床研究证实，该疫苗可安全地用于人类。

来自威斯康星州麦迪逊市的FluGen公司成立于2007年。2017年，美国国防部拨款向其1,440万美元用于疫苗研发。FluGen采取了非传统的方法来开发通用疫苗。

该公司通过基因修饰改造了一种病毒，它只会在人体内复制一次，但不会使人生病。这个想法类似于传统方案，如果你从疫苗中“感染流感”，那么明年就会大大减少生病的几率，因为假病毒会在人体内引起强烈的免疫反应。

Vacthera是一家奥地利的年轻创业公司，其开发流感疫苗的原理与FluGen类似：研究人员去除病毒内一种特定的免疫抑制蛋白（NS1），将修饰后的病毒注入人体，帮助在人体内引发强大的免疫反应。

该公司认为其产品可以使人体保持对常规流感病毒5年的免疫力。

流感病毒颗粒的投射电子显微成像（来源于《流感预测新时代》）

流感预防

无论是流感预测还是研发疫苗，打败流感的关键在于让人们自己成为流感治疗的参与者。如果患者对流感有足够的了解，就能在流感季到来之前做好相应准备，降低流感高峰期的峰值。

Doctorsreport.com是一个网站和移动应用程序，用户可以通过该网站访问来自全国各地的真实医生的报告数据。根据网站提供的信息，用户可以上传自己的数据，同时判断所在地是否受流感病毒的侵染，爆发病毒的主要菌株类型，以及相应的预防措施。

这是一个双赢的方案，研究人员通过这样的应用了解实时情况，不仅免去繁琐的信息录入过程，还能使系统更好地计算流感的爆发期、持续期；而患者也拥有了决策的依据。

机会在这里

与流感的战争是一场全面战争。从2018年流感季来看，研究人员对流感爆发的主要菌株已经有着相当准确的估计，但这仍然不具备绝对说服力。从研究人员、医护人员到患者、患者家属，每一环以及环与环之间的联系都需要优化。

研究人员一方面需要尽快对变异菌株配置相应的疫苗，另一方面需要向公众传递实时结果；公众需要通过学习预防方法、处理方法，以及新的方式与医护人员取得交流。

越来越多的公司开始针对公众的信息交流提供多样化的服务，至今还没有一个应用能活跃在大多数人的手机中，但没有不代表不可能，不断上升的远程医疗访问量说明有足够多的需求等待满足。动脉网梳理了以下几种可能的形式。

1、流感预测

为了推进流感预测工作, CDC在2013—2014年流感季首次启动了“流感季预测挑战”活动, 并为第一名提供了75000美元奖金。尽管此后再未有过奖金, 但预测团队们却继续相互竞争, 并以最准确地预测出流感季的起点、严重程度和高峰期为荣。随着技术的进步以及研究人员的竞争，我们有理由针对预测结果作出更为果敢的决策。

2、数据整合

在互联网医疗的前提下，一个普及程度广、用户访问率高的平台蕴含着无限的商机。就像中国平安与重庆疾控中心的合作一样，政府手中有着大量潜在财富，包括天气、温度等能在流感预测过程中起宏观指标调控的重要数据。这一模式极具潜力。

3、疫苗研发

现阶段的疫苗有效率仍然较低，而受流感影响的患者数量已经高达千万。

很多医疗初创公司都参与了疫苗研制，里面不乏投机性质的参与。疫苗可以研制得更快，因为行业不缺乏患者数据，也不缺乏足够算力的计算机来分析菌株的演化。如果能在互联网建立一条区块链整合所有数据，研究人员便能够更快攻破现在的难题。

总的来说，一切都在进步之中，新的模式和产品层出不穷，有足够大的市场，也就有足够大的机遇等着投资者去追寻。

参考文献

[1] Dave Muoio.In-Depth: Surging flu is a proving ground for digital health, telemedicine.Feb 2,2018.

[2] Universal Flu Vaccine: Can Biotech Companies Deliver?Nanlyze.Feb 30,2018.

[3] Julie Sherwod.Flu being tracked via crowdsourcing surveillance‘Sickweather’.the Post,Feb 21,2016.

[4] Genomics-Sequencing the world.The Economist.2018;2.

[5] 舒愉棉.流感预测新时代,世界科学.2018-01.ISSN:1000-0968.

[6] 蔡科.全国首个流感预测模型落户重庆,平安人工智能助力疾病预测.计算机与网络.2017;16.ISSN:1008-1739.

文|赵泓维

微信|qq850860074

添加时请注明：姓名-公司-职位

后台发送关键词即可获得相关好文

网站、公众号等转载请联系授权

近期推荐

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。