數字公共衛生的進展與應用

點擊藍字

關注我們

引用本文：韓雨廷, 呂筠, 余燦清, 等. 數字公共衛生的進展與應用[J]. 中華流行病學雜志, 2022, 43(6): 791-797. DOI: 10.3760/cma.j.cn112338-20220314-00184.

作者：韓雨廷，呂筠，余燦清，李立明

摘要

日新月異的數字技術重塑了各行各業，公共衛生同樣經曆著數字化轉型。在新型冠狀病毒肺炎大流行的催化下，數字技術被快速、廣泛應用于傳染病防控，提升公共衛生體系的應急處置和常態化防控的能力。本文對數字公共衛生的概念、數字技術在傳染病、慢性非傳染性疾病防控和公共衛生監測中的應用進行介紹。本文也討論了發展數字公共衛生面臨的挑戰和概述泛美衛生組織提出的公共衛生的數字化轉型的指導原則。

【關鍵詞】數字化轉型；公共衛生；慢性病；傳染病；公共衛生監測

前言

過去20年間，數字技術得到快速發展，人工智能、大數據、可穿戴設備等技術層出不窮。數字革命重塑了生活的方方面面。2020年，全球67%的人口使用移動設備，其中68%是智能手機，全球51%的人口接入互聯網［1］。與此同時，數字技術在醫療保健領域的應用也不斷擴大和深入，公共衛生領域同樣經曆快速的數字化轉型，數字公共衛生（digital public health）應運而生。本文通過介紹數字公共衛生的概念、數字技術在傳染病、慢性非傳染性疾病（慢性病）和公共衛生監測中的應用，討論其面臨的挑戰與發展的指導原則，爲推動數字公共衛生建設提供參考。

一、概念

數字公共衛生屬于數字健康（digital health）。數字健康的概念起源于電子健康（eHealth），WHO將電子健康定義爲“以具有成本效益和安全的方式使用信息和通信技術支持衛生和與衛生相關領域，包括衛生保健服務、監測、健康素養以及健康教育、知識和研究”。其概念涵蓋移動健康（mHealth）和遠程醫療（telemedicine）。前者指在衛生領域使用移動無線技術，後者指利用信息和通信技術交流有效信息、提供衛生保健服務、實現對疾病和傷害的診斷、治療和預防、研究和評估、對衛生保健工作者的繼續教育，目的在于促進個人和社區健康。而數字健康擴展了電子健康的概念，包括了數字消費者（digital consumer）、涉及更廣泛的智能設備和互聯設備，還包括其他在衛生領域應用的數字技術，如物聯網、高級算法、大數據分析、包括機器學習在內的人工智能和機器人技術［2］。

上述概念根據所用數字技術進行區分，而數字公共衛生是數字健康的細分領域，其開發、應用領域和研究興趣是疾病預防、健康促進和相應基礎學科，如流行病學。目前針對數字公共衛生的定義仍未達成共識。英國公共衛生局于2017年在《數字優先的公共衛生：英國公共衛生局的數字戰略》報告中將數字公共衛生描述爲：利用新的工作方式重新構想公共衛生，將現有的公共衛生理論和知識體系與新的數字概念和工具結合，探索使用數字技術的公共衛生新模式，開展更具靈活性、韌性的高效而精准的公共衛生實踐，改善群體健康［3］。相反，Odone等［4］將數字公共衛生視爲一種方法而不是學科：“公共衛生界可用它實現公共衛生的目標和使命，即確保衛生保健的質量、可獲得性、效率和公平”。也有學者描述數字公共衛生爲應用隨公共衛生和相關數據的數字化發展起來的新技術、新數據類型和新工作方式的實踐［5］。雖然定義不同，但都強調通過整合數字技術實現公共衛生目標，數字化是其重要特征。

二、數字技術在傳染病防控中的應用

新型冠狀病毒肺炎（新冠肺炎）疫情催化了數字技術與公共衛生實踐的快速整合，極大改善公共衛生體系的傳染病防控和應急處置能力。現以新冠肺炎防控爲切入點，介紹數字技術在傳染病領域的應用，可分爲以下三類。

1. 疾病監測：

以實驗室、臨床機構、CDC爲基礎的傳染病監測系統和發熱等非特異性症狀監測系統構成了新冠肺炎疫情監測的主體。得益于算法的發展，基于社交媒體、新聞網站、檢索查詢行爲等數據進行分析能夠較好地補充傳統監測，特別是在疫情早期［6］。研究者基于上述數據來源分析新冠肺炎患者傳染和流行過程中的重要參數［7］，預測疫情進展［8-9］，改善疫情數據的透明度和發現疫情的及時性。英國研究團隊開發的基于谷歌健康趨勢（Google health trends）的模型能夠提前約兩周預測新冠確診病例數，目前已被納入英國公共衛生局每周發布的新冠肺炎監測報告［9］。此外，互聯網領域衆包（crowdsourcing）概念和技術也被運用于流行病學監測，即不同于以醫療機構和專業人員爲中心的症狀監測，將症狀監測的任務下放到個人，志願者通過手機應用或網站自報症狀。如在英國和美國使用的“新冠症狀研究”［10］，目前用戶超470萬人，並被納入國家監測體系［6］。再者，數據聚合系統結合可視化工具提供了呈現實時疫情數據的途徑。如約翰霍普金斯大學的新冠肺炎可視化工具—新冠肺炎儀表盤，實時收集並呈現全球疫情相關公共衛生數據，包括每日新增病例數、疫苗接種人數等［11］。

2. 防控措施：

早期、快速地識別疑似患者是減少後續傳播的重要手段。目前熱成像相機和紅外傳感器被廣泛安裝在高人流量區域如機場，用來篩查發熱患者［12］。研究者開發手機應用，利用智能穿戴設備根據體表溫度、靜息心率、呼吸頻率等特征來識別疑似患者［12-13］。此外，傳統的新冠病毒感染檢測涉及前往采樣點、采樣、樣品送回實驗室、實驗室返回結果等多個環節，耗時較長。通過即時檢測、免下車檢測設備和自我檢測試劑盒等檢測方式，人工智能識別檢測結果和利用互聯網將測試者信息和檢測結果傳到臨床或公衛機構，加速檢測流程的同時，減輕檢測對實驗室和醫療保健系統的壓力［6］。再者，人工智能已被應用于基于胸部CT鑒別診斷新冠肺炎和其他社區獲得性肺炎以及肺炎以外的肺部疾病［14］。

在追蹤密切接觸者時，通過監控攝像頭、人臉識別、支付記錄、車輛和手機的定位系統可獲取病例詳細的軌迹和時間線，控制回憶偏差［12］。此外，短距離藍牙信號也被用于記錄近距離接觸，用于密切接觸者的快速定位，如新加坡手機應用“TraceTogether”［15］。

在描述人群流動性方面，前面提到的移動設備定位系統、網絡、移動支付、社交媒體等渠道也可用于實時監測人群流動性。通過結合機器學習可預測特定區域內的傳播動態，指導設立邊界檢查點和監測疫情［12，16］。進一步結合防控政策，可幫助政策制定者評價人群幹預措施是否有效［16-18］。此外，人工智能也被用于通過監控攝像頭、無人機攝像頭和便攜式數字記錄儀來監控和限制公衆聚集［19］。

其他應用也包括多源大數據定義的健康碼、行程碼作爲人員區域間流動的通行憑證，限制高風險人員流動的同時，保障低風險人員的正常生活；應用監控和連接定位系統的手機應用確定隔離的依從性［20］；在衛生應急現場處置中應用無人化、智能化技術，減少衛生工作人員暴露風險，如消殺機器人［19］。

3. 公衆溝通與交流：

疫情早期，傳播的不只是病毒，還有魚龍混雜的信息，大衆不能及時獲取正確的防護措施信息，引發不必要的恐慌。因此在全民參與的這場“戰爭”中，正確、高效地溝通與交流是關鍵一環。谷歌的SOS Alerts幹預使搜索引擎優先展示來自政府機構、WHO等可信任來源的搜索結果，從而減少錯誤信息的傳播［21］。此外，基于人工智能的聊天機器人可提供非緊急的個性化健康建議，一定程度上滿足就醫需求［22］。

三、數字技術在慢性病防控中的應用

慢性病仍然是主要的疾病負擔來源［23］，因此針對慢性病防控方式和策略的數字化轉型格外重要。根據用途可以分爲以下幾類。

1. 數據管理：

病曆和健康檔案的數字化、來自生物學測量和智能穿戴設備的數據極大豐富了數字健康數據庫，使開展大規模真實世界研究成爲可能。近期研究提示，具有透明、不可更改和去中心化等衆多優勢的區塊鏈技術在健康醫療數據管理、共享和應用中大有可爲，包括①管理電子病曆，利用區塊鏈技術標准化來自不同機構的電子病曆，有利于構建大規模轉診系統；②管理臨床試驗和觀察性研究數據收集、分析和結果呈現的各個環節，保障研究過程的透明度和結果的真實性；③管理疫苗、藥物從原料采購、生産、冷鏈存儲與運輸到注射的多個環節，保障使用者的安全；④其他用途也包括促進科研合作、管理組學數據、結合物聯網技術實現遠程患者監測等［24-26］。

2. 科學研究：

（1）多源數據整合促進生命全程預防策略推進：健康相關數據的數字化，爲多源健康數據互聯互通奠定基礎。産前檢查、産時保健、出生證明、兒童健康體檢、免疫規劃、青少年體質監測、疾病監測數據、真實世界數據（電子病曆等）、科研數據、可穿戴設備數據等多源數據的整合提供了從生命早期開始、貫穿生命全過程的數據，爲全生命周期視角識別危險因素和幹預的重點環節提供可能性。

（2）多組學助力探討病因機制：慢性病發病涉及複雜的遺傳和分子機制，基因組學、表觀遺傳組學、轉錄組學、蛋白質組學和代謝組學等組學數據不斷豐富，奠定了探索複雜病因機制的數據基礎［27］。

（3）人工智能助力大數據分析：相比于傳統統計方法，機器學習可較好地解決非線性及變量間交互的問題，也能較好地用于多維數據的處理；此外自然語言處理等文本挖掘技術適用于信息提取，如死亡登記卡、電子醫療記錄、放射學報告等，進一步豐富數字健康數據庫［28］。

（4）臨床試驗的數字化轉型：隨機對照試驗是評估幹預措施效果的高質量證據的來源，然而傳統臨床試驗因納入的研究對象的局限性，結論的外推性受限，且實施成本高昂、耗時、費力。在數字技術加持下的臨床試驗可通過社交媒體、在線咨詢等途徑招募試驗對象；通過可穿戴設備、手機應用實時、連續地收集健康指標並上傳至數據中心；通過機器學習和人工智能自動、實時分析參與者試驗數據和參與者電子健康檔案等真實世界數據，並用以改善臨床幹預［29-30］。去中心化的數字臨床試驗減少研究者和參與者的負擔；可以納入傳統試驗因交通或行動不便無法前往試驗中心的老年人，從而增加研究外部真實性；可以納入非理想情況下的研究對象（如存在共病）從而促進效力試驗向效果試驗過渡。此外，利用數字技術增加研究人員和參與者的雙向溝通，使參與者更了解研究目的和方法，從而減少失訪。再者，多種傳感器、物聯網等技術使研究者能夠獲取參與者的環境影響因素，如空氣汙染、建成環境等，從而更深入和全面地理解試驗結果。

3. 健康管理：

數字技術爲健康管理的監測、評估、指導、幹預等多個環節賦能，其匿名、靈活、便利的特征協助健康管理更好地調動個體和群體積極性，在有限資源下實現最優健康效果［31］。

數字技術在個人層面能夠加強健康監測、健康評估和健康幹預。①健康監測：基于電子病曆、電子健康檔案，結合可穿戴設備如智能手表、睡眠監視器以及應用程序可全面獲取個人心率、血糖、血壓等生命體征、運動、睡眠等生活方式信息［32-33］。②健康評估：觀察和記錄指標動態變化，識別異常指標，評估個人健康狀況，實現個人健康異常提醒，如基于人工智能整合多源數據預測不良事件的發生概率［34］。③健康幹預：依據健康狀況評估結果，結合膳食、運動、接受醫療保健服務等方面數據，通過大數據分析制訂有計劃的個性化健康指導與幹預方案［35］。例如，基于中國鄞州電子健康檔案項目開發的人群心血管病風險管理系統具有動態、實時、大數據驅動、自動化和面向管理5大特征，有望實現人群數字化健康管理［36］。

在群體層面，基于電子病曆數據、電子健康檔案數據、可穿戴設備數據、建成環境數據可對一定區域內或者某一特征群體進行健康狀況和危險因素“速寫”。根據結果實施異常提醒、制定區域幹預措施，進行特定目標人群的精准教育。目前社交媒體和社交網絡是向目標群體提供幹預措施或知識的最流行渠道［37］。

4. 疾病管理：

數字技術也助力疾病管理。在個人層面，應用藥物提醒系統、依從性監測系統保證治療依從性，如視頻督導結核患者服藥［38］；數字設備可用于遠程監測血壓、血糖動態變化、識別房顫、冠心病的發生，進而靈活調整藥物劑量［32-33］；也用于監測並記錄治療的不良反應［39］；人工智能也被用于管理和降低藥物不良反應，如在開具處方前准確識別可能發生不良反應的患者並對高風險人群進行重點幹預［40］。荟萃分析顯示，與正常護理相比，通過遠程醫療、基于網絡、電子郵件、短信提醒、移動電話、應用程序和基于監測傳感器的數字幹預措施，能夠減少心血管疾病事件、降低住院和死亡率，並改善心血管疾病危險因素水平［41］。

在群體層面，應用就醫預約安排系統、電子健康檔案提升就醫效率和就醫體驗。通過基于電話、視頻的實時遠程醫療技術和基于網站、手機應用的存儲轉發式遠程醫療技術健全醫生與患者溝通渠道，已被用于心血管疾病、腫瘤等多個系統的慢性病［42-43］。除了成本低和便利的優勢外，遠程醫療在新冠肺炎疫情期間保障非急症慢性病醫療保健需要的同時，也降低了感染風險［44］。

四、數字技術在公共衛生監測中的應用

我國公共衛生監測早已開展數字化轉型，如無紙化傳染病直報系統、將藥店非處方藥物銷售情況納入症狀監測等，這些都屬于廣義的數字公共衛生監測（digital public health surveillance）。狹義的數字公共衛生監測強調監測基于用戶産生的不以監測爲主要目的的公開數據［45］。

目前狹義的數字公共衛生監測多用于傳染病監測領域［45］。既往研究提示，在傳染病監測領域，狹義的數字公共衛生監測就成本、及時性和准確性方面來說，具有巨大潛力［46］；但因受到較多噪音幹擾，真實性和可靠性仍有待研究［45］，因此目前數字公共衛生監測更多被認爲是傳統公共衛生監測的補充而不是替代［47］。

數字公共衛生監測數據屬于大數據範疇，具有四“V”特點，即容量大（Volume）、種類多（Variety）、産生和更新速度快（Velocity）、科研價值大（Value）［48］，可分爲以下5類［37，45］：①蹤迹數據：用戶使用信用卡、銀行卡、支持全球定位系統的手機以及任何可穿戴設備和傳感器設備連接網絡産生的數據，包括地理位置、位置移動、購買行爲等信息；②互聯網媒體：在線新聞媒體、政府公告等；③搜索引擎：檢索行爲、檢索詞、訪問日志等信息；④社交媒體：檢索詞、文字、文件、圖片、視頻、訪問日志、點擊、點贊行爲等信息；⑤物聯網：智能家居設備、天氣和汙染傳感器、監控攝像頭和人類健康監測傳感器等支持物聯網的設備實時采集的信息。

多種數字公共衛生監測數據在新冠肺炎防控中均發揮了重要作用，詳見前文。搜索引擎（如檢索查詢行爲）和社交媒體（如推特推文）數據在補充傳統的針對疾病、症狀和行爲危險因素監測的同時［47］，也進一步擴展了監測內容［37，45，47，49-50］。如可用于：①監測藥物上市後的藥物不良反應；②識別不健康推廣，如研究者發現第三方通過算法模擬推特真實用戶推文，與真實用戶相比，算法會更多推送電子煙可用于戒煙和電子煙新品相關的內容，從而導致不當信息的傳播；③通過公共信息獲取行爲，確定公衆在一定時間內的關注點和需求，以指導衛生工作人員在特定地區和特定人群中開展工作，解決相應需求；④識別公衆態度和情緒，開展輿情分析，如基于社交媒體數據識別公衆對疫苗的態度，並分析造成公衆消極態度的主要原因，包括對疫苗安全、疫苗效果存疑等，進而開展精准幹預；⑤應對信息流行病，如識別新冠肺炎期間互聯網媒體和社交媒體中的錯誤信息，如虛假新聞、陰謀論等，分析錯誤信息的來源、傳播模式和受衆，從而科學制定阻斷錯誤信息傳播的策略；⑥基于Youtube網站上的視頻評估健康教育視頻的質量，包括教育內容是否准確、是否全面等。

五、數字公共衛生面臨的挑戰

1. 數據質量差，存在選擇偏倚和測量偏倚等系統誤差［51］。同時存在數據孤島現象，多源數據難以整合［48］。

2. 不同數字技術在公共衛生領域應用程度不均衡。有研究者綜述了數字技術在新冠肺炎大流行前6個月應急響應中的相關應用，指出遠程醫療、大數據、人工智能應用證據較多；而其他同樣作用重大的數字技術應用較少，比如物聯網、數字交流平台（digital platforms for communication，包括單向的政府信息發布網站和雙向的在線交流社區）、用于數據管理的數字解決方案（digital solution for data management，自動數據標准化和區塊鏈技術等）和數字結構篩選（digital structure screening，基于計算機和人工智能篩選針對新冠病毒的治療性藥物和疫苗）［52］。

3. 目前數字公共衛生應用缺乏質量評價和效益評價，特別是來自于高質量前瞻性研究的評價［52-53］，也缺乏傳統公共衛生服務效果與數字技術加持下的服務效果的比較研究。因此無法確定多數數字公共衛生技術的有效性，無法以循證的角度科學推廣數字技術融入當前公共衛生體系。

4. 存在數據鴻溝，加大社會資源、醫療資源的不均衡。一方面是數據提供方和數字技術開發者之間的數據鴻溝，健康技術的開發人員可以從其産品的使用中提取數據，並在某些情況下將其商業再利用，而産生健康數據的用戶則無法輕松訪問數據，因此也放棄了他們的使用權［37］。另一方面，並非所有人均可無差別獲得並使用數字技術，不同發展水平國家的互聯網接入率存在較大差異。歐洲地區僅23%的人不使用互聯網，但撒哈拉以南的非洲地區有72%不使用［1］。即使在發達國家，數字素養較低的人也無法受益于數字公共衛生服務，比如老年人群往往較少或不使用互聯網［6］。因此，任何基于數字技術的公共衛生服務均會導致社會資源、醫療保障資源利用的進一步不均衡。

5. 存在違反倫理和信息安全的風險。醫學大數據的安全性是獲得公衆信任最重要的一環。健康數據相對于其他類型數據更爲敏感，一旦泄露可能造成歧視等一系列嚴重後果。雖然目前數據均需匿名化處理，但是仍有泄露危險。一方面，數據可能通過研究者無意泄露；另一方面，則可能通過大數據不斷增加的維度導致人群不斷細分，最終定位至個人。立法是保障公民隱私的重要途徑，如美國健康保險攜帶與責任法案、歐洲通用數據保護條例等。我國近年來先後頒布了《中華人民共和國數據安全法》［54］與《中華人民共和國個人信息保護法》［55］，爲保障數據安全和居民隱私提供了良好的法律保障，但同時也爲數字技術在公共衛生領域的推廣帶來了一定的障礙。什麽樣的數據可以使用，數據如何合法使用，類似問題仍需相關行業基于自身生産、管理、使用數據類型、特點建立行爲規範和團體標准來進一步明確，從而在保障數據安全同時，促進公共衛生的數字化轉型。

六、指導原則

泛美衛生組織（Pan American Health Organization）近期提出了公共衛生數字化轉型的8項指導原則［56］，對發展公共衛生具有較好的指導與借鑒價值。現結合我國現況，將8項指導原則進行概述。

1. 普遍聯網（universal connectivity）：

加強頂層設計，制定和完善堅實和可持續的政策是發展數字公共衛生的基礎。衛生部門制定政策時應充分考慮數字健康的特點，應以解決個人、社區以及服務提供方的需求和其面臨的挑戰爲目的。此外，隨著公共衛生數字化轉型的推進，衛生部門也應考慮將是否聯網和帶寬作爲一個新的社會決定因素，並將其納入全民健康戰略和數字化戰略規劃。

2. 數字産品（digital goods）：

建立法律和倫理框架保障數字公共衛生産品的算法、數據、軟件等內容開源。産品設計應以用戶爲中心、確保平等和可持續性。一方面數字産品應能靈活調整，從而應用于不同人群和環境，特別是應用于技術和數字素養方面有特殊需求的弱勢群體。另一方面應規範數字産品的知識産權框架，以促進經濟水平較低的地區獲取和應用數字産品。此外，應制定和完善數字産品的評價標准，形成全方面的考量體系，從而保障以循證的方式將數字技術與現有公共衛生體系整合。

3. 包容的數字健康（inclusive digital health）：

數字健康不僅要惠及社會、經濟、地理或文化上的弱勢群體，還需要惠及那些不具備數字素養的群體。鼓勵包容性的同時，也應尊重不願意使用數字服務的群體的自主權。

4. 互操作性（interoperability）：

數據互聯互通是發展數字公共衛生的必經之路，這包括政府、醫療機構、企業、科研單位、個人等不同數據歸屬方的互聯互通，包括地方與國家不同層級系統的互聯互通，甚至包括跨領域、跨行業的互聯互通。

5. 人權（human rights）：

人權是公共衛生數字化轉型的重中之重，也是轉型成功與否的決定因素。爲了公平公正，數字公共衛生的監管框架和技術框架必須沒有任何地域、教育、文化、政治、宗教和性別偏見。

6. 人工智能（artificial intelligence）：

衛生部門應制定政策保障和促進人工智能等新興技術的全球合作，構建全球開放合作的人工智能創新體系，推動開發安全、可靠的開源算法和軟件。加快相關法律法規建設和相應人才培養。通過組建包含衛生領域、數據科學領域等多學科團隊，提升人工智能項目的透明度和結果可解釋性。

7. 信息安全（information security）：

建立健全以患者爲中心的信息系統的國際安全指南和標准，完善數據安全和隱私保護相關法律法規。同時建立健全各行業的數據安全和隱私保護相關的行爲規範和團體標准，力求在利用數據和保護數據安全中取得平衡。實施監管時必須尊重與健康有關的權利，對數據使用者開展培訓，對數據提供者開展宣教，並完善知情同意機制，以便形成一種安全可靠的數據管理文化。

8. 公共衛生架構（public health architecture）：

在數字相互依賴時代，公共衛生架構必須納入政府的數字議程。它應是政府主導、多部門協作、企業與學術界參與的發展架構，從而優化戰略規劃和資源管理。構建公共衛生架構應同時考慮衛生，社會、經濟、法律等多領域的規劃和工作流程，從而推動“大衛生、大健康”的願景的實現。

七、結語

在數字技術快速發展和新冠肺炎疫情防控需求的催化下，近年來數字技術在公共衛生領域應用的廣度和深度不斷提升。現有的數字公共衛生應用實例已展現出數字技術在改善公共衛生項目實施效果的重要潛力。然而，數字公共衛生並不能完全替代傳統公共衛生實踐，而是在傳統公共衛生實踐的基礎上予以完善，從而增加公共衛生服務的覆蓋面，提升服務效果，降低服務成本。數字公共衛生仍處于起步階段，數據孤島、數據鴻溝、證據缺乏等諸多問題仍亟待解決。隨著國家的重視和研究的不斷深入，一個符合倫理、安全、可靠、公平和可持續的數字公共衛生服務體系將極大造福人民。