今日科普|疫情数据治理的挑战与路

数据孤岛：疫情防控的“隐形屏障”

2025年11月，当你在手机上刷到“某地突发聚集性疫情”的新闻时，是否想过背后那些被“卡”在系统里的数据？安徽省疾控局在推进“人工智能+传染病监测预🔰警”时，曾遇到一个典型问题：19家省属医院、255家二级以上公立医院及1.8万家基层医疗机构的数据，最初像散落的拼图——医院用HIS系统，社区用公共卫生平台，疾控中心用独立的监测系统，数据格式、字段定义、更新频率全都不一样。这导致2025年初合肥市某聚集性肺炎监测中，系统最初只能抓取到60%的病例信息，剩下的40%需要人工补录，延误了3小时的预警时间。

数据孤岛的危害远不止于此。国家卫健委2025年发布的《全国医疗数据互通白皮书》显示，全国三级医院中，仅32%实现了与区域平台的数据实时共享，二级医院这一比例不足15%。更棘手的是“数据权属”问题——医院认为患者诊疗数据是自己的“资产”，疾控中心认为这是公共卫生的“资源”，患者则担心隐私泄露。这种“三方拉锯”导致2025年某省流感监测中，30%的医疗机构以“数据安全”为由拒绝共享核心字段，最终只能用“发热病例数”替代“具体病原体检测结果”，监测精度直接下降40%。

隐私保护：戴镣铐的“数据之舞”

2025年10月，金寨县蜱虫叮咬监测系统的一则案例上了热搜：一位被蜱虫叮咬的农民，系统通过“皖事通”推送了风险提示，🆗网址同时向其就诊的乡镇卫生院发送了预警。这本是数据治理的典范，却引发了一场争议——有网友质疑：“系统怎么知道他被叮咬？是不是泄露了隐私？”事实上，系统仅使用了“时间+地点+症状”的脱敏数据，但公众对“数据如何被使用”的敏感度已达到前所未有的高度。

这种敏感源于过去的教训。2025年疫情初期，某地疾控中心因未脱敏处理确诊患者行程数据，导致数百人信息泄露，患者遭遇网络暴力。此后，国家出台了《个人信息保护法》《数据安全法》，要求数据采集必须遵循“最小必要”原则。但实际操作中，平衡“隐私保护”与“数据效用”仍是难题。安徽省疾控局在2025年升级系统时，采用了“联邦学习”技术——数据不出本地，仅交换模型参数，既保证了92%的蜱虫识别准确率，又让患者信息始终留在医疗机构服务器里。这种“用技术换信任”的模式，或许才是未来数据治理的关键。

技术瓶颈：AI的“最后一公里”困境

2025年4月，合肥市传染病智慧化监测预警系统曾闹过一个“乌龙”：系统将一名普通肺炎患者标记为“高风险”，原因是其症状与某新变异株的描述高度吻合。但后续检测发现，患者感染的是常见细菌，AI模型因训练数据不足出现了“误判”。这暴露了当前技术的一个核心问题：小样本、高变异场景下的模型泛化能力不足。

安徽省疾控局的技术团队透露，他们开发的“肺结核智能筛查模型”也遇到过类似挑战。最初用17万份DR胸片训练时，模型在宿州市灵璧县的试点中，对“疑似活动性肺结核”的识别准确率只有78%。后来通过引入“多模态数据”（结合胸片、症状、接触史），准确率才提升到91%。更关键的是“实时性”——2025年5月，系统需要在10分钟内完成8904份DR胸片的智能读片，这对算力、算法、数据传输速度提出了极高要求。目前，安徽省已建成省级影像云平台，存储影像数据超1.3亿份，日均新增9万份，但如何让这些数据“活起来”，仍是技术突破的重点。

从“数据治理”到“数据赋能”：未来的路在哪？

站在2025年的节点回望，疫情数据治理已从“被动应对”转向“主动赋能”。安徽省的实践给出了一个方向：以场景为驱动，用技术破壁垒，靠制度保安全。比如他们的“省级统筹区域传染病监测预警与应急🈸网址指挥信息平台”，不仅整合了医疗、气象、环境监测数据，还接入了“皖事通”的2025万用户行为数据，实现了从“症状监测”到“风险预测”的升级。

但更深层的变革在于“治理理念”的转变。过去，数据是“被管理的对象”，现在，数据是“被激活的资源”🌸。国家“2025数字议程”中明确提出，要构建“数据要素市场”，让数据像土地、劳动力一样参与分配。这意味着，未来我们不仅要解决“数据怎么用”，更要回答“数据归谁”“收益怎么分”这些根本问题。或许，当某天我们打开手机，看到的不仅是“疫情数据”，更是“数据创造的健康价值”时，数据治理才真正完成了它的使命。