天气预报的普及和广泛使用很大程度上归功于预报准确性的显着提高。 这些改进已被量化为 最近的研究 显示现代 5 天天气预报与 1980 年的 1 天天气预报一样准确。疾病预报远不如现代天气预报准确，如 持续评估 COVID-19 预测模型。 那么，我们可以从天气预报中学到什么来帮助我们制定更可靠的疾病预测和爆发预测呢？
迪伦·乔治博士CDC 预测和疫情分析中心 (CFA) 负责人描述了疾病预测如何追随天气预报的脚步：
“我们利用天气预报来预先部署飓风资源，并确定下雨天是否需要雨伞。 我们可以利用疾病预测来确定需要生产多少疫苗，或者当天是否应该戴口罩外出。 更好的数据和更好的分析肯定会更好地应对突发卫生事件。”
作为 领先的天气数据和分析提供商，我们 IBM 相信 George 博士提出了令人信服的愿景。
更多数据源带来更高的准确性
天气数据数量和种类的爆炸式增长使得预测准确性显着提高。 五十年前，天气数据主要局限于分散气象站获取的温度、气压和其他读数，而今天的气象站数据则通过不断增长的卫星网络、遥感器、雷达站、气象气球和其他来源获得的数据进行了扩充。
如今，尽管数据的种类和数量不断增加，但疾病监测数据仍然主要局限于卫生诊所和医院的病例报告。 综合征型 和 废水 监测数据正在添加到传统的病例报告中，作为监测社区感染的一种手段。 和 非传统数据源 （如互联网搜索趋势和社交媒体用户调查）提供了获取更多实时和超本地信息的潜力。
为了在更好的疾病预测方面取得进展，疾病监测数据的数量和种类需要继续增长。 公共卫生投资需要重点培育和发展这些用于疾病监测的新数据源。 根据天气预报的经验，需要额外的投资来将这些不同的数据源协调成统一的社区感染时空视图。
创新模型实现先进的疾病监测
机器学习的突破和计算能力的指数级增长推动了天气建模和模拟的进步，这一直是改善天气预报的关键因素。 20世纪70年代，天气预报主要依靠数值天气预报方法。 如今，机器学习算法增强了方法，可以准确预测风暴事件和路径。 例如， 天气公司生成最准确的 公开的天气预报，利用 IBM 格拉夫 用于天气预报的机器学习算法。
如今，疾病预测在很大程度上依赖于长期存在的基于 SIR（易感、传染、康复）的流行病学模型，尽管最近的 COVID-19 模型已开始纳入更先进的机器学习算法，预测准确性有所提高。 CDC 等最新进展 流行病预测倡议 疾病预防控制中心 CFA 正在投资持续创新，以改善美国的疾病预测。
开发创新建模技术的持续进展对于实现稳健的疾病预测和疫情爆发预测的愿景至关重要。 公共卫生当局、大学研究人员和私营企业可以有效合作，帮助推进先进分析在疾病监测中的应用。 IBM 与罗德岛州卫生部的合作 这是通过公私合作可以实现的目标的一个很好的例子。 IBM 与 RIDOH 和布朗大学流行病学家合作开发多个 COVID-19 模型的智能集成，以实现更准确的大流行预测，对 2022 年 1 月的大规模 omicron 疫情的预测准确率达到 95%。我们的合作至今仍在继续，应用机器学习来推断来自症状监测和废水监测数据的社区感染。
现代平台将向公众提供数据和见解
随着更多的数据和更好的建模极大地提高了天气预报的准确性，强大的技术基础设施应运而生，以实现高速数据处理、建模更新和轻松获取可行的见解。 虽然天气预报过去主要通过报纸、广播和电视每天发布，但现在 可按需提供 通过互联网和移动应用程序，并根据情况的变化每天更新多次。 这些信息无处不在，使世界各地的人们能够调整计划和行为，以尽量减少与天气相关的财产损失和死亡。
然而，疾病预测并不容易向公众提供，因为 COVID-19 预测 只有知道在哪里可以找到它们的人才能在互联网上访问。 我们可以看到 现代数据和分析平台的开端 支持疾病监测，实现自动化数据处理和建模。 但在公开传播可行的见解方面仍需要取得很大进展。 人们可以想象未来，传染病预警就像危险天气预警一样容易获得，使人们能够调整计划和行为，以尽量减少与传染病相关的发病率和死亡率。
为了实现这一未来，公共卫生当局需要投资现代平台来处理数据、生成可行的见解并向公众传播这些见解。 这 CDC 的数据现代化计划 以及向州和地方提供的相关赠款资金是一个良好的开端。 此类资金使公私合作能够快速启动公共卫生数据现代化。 成功的公私伙伴关系的一个很好的例子是 IBM 与加拿大和其他公共卫生当局的合作 开发和部署现代公共卫生数据平台。
研究表明天气预报更准确 拯救了生命并产生了经济效益 超过所需投资。 提高疾病预测的准确性和可用性的类似投资也将挽救生命并显着减轻未缓解的传染病爆发的经济负担。
