Haddon模型视角下大数据和人工智能在COVID-19疫情防控中的应用分析

doi:10.12114/j.issn.1007-9572.2023.0288

中国全科医学 ›› 2024, Vol. 27 ›› Issue (01): 111-117.DOI: 10.12114/j.issn.1007-9572.2023.0288

• 论著·数智医疗与信息化研究 • 上一篇下一篇

Haddon模型视角下大数据和人工智能在COVID-19疫情防控中的应用分析

高景宏¹, 王言研², 蒋帅¹, 付航¹, 段彦然¹, 王素凡¹, 王成增¹^,^*()

¹450000　河南省郑州市，郑州大学第一附属医院　河南省医院管理研究院
²450000　河南省郑州市，河南中医药大学第五临床医学院（郑州人民医院）产科

收稿日期:2023-05-12 修回日期:2023-07-26 出版日期:2024-01-05 发布日期:2023-10-23
通讯作者: 王成增
作者贡献：高景宏、王成增进行文章的构思与设计、研究的实施与可行性分析，并撰写论文，负责论文修订、文章的质量控制及审校，对文章整体负责、监督管理；王言研、蒋帅、付航负责原始资料整理、背景资料信息梳理；段彦然、王素凡负责大数据处理技术相关资料的检索与信息整理。
基金资助:
河南省重点研发与推广专项（科技攻关）(232102310062，222102310678，222102310178); 河南省医学科技攻关计划软科学项目(RKX202202022)

The Applications of Big Data and Artificial Intelligence in the Prevention and Control of COVID-19 from the Perspective of Haddon Model

GAO Jinghong¹, WANG Yanyan², JIANG Shuai¹, FU Hang¹, DUAN Yanran¹, WANG Sufan¹, WANG Chengzeng¹^,^*()

¹Institute for Hospital Management of Henan Province/the First Affiliated Hospital of Zhengzhou University, Zhengzhou 450000, China
²Obstetrics Department, the Fifth Clinical Medical College of Henan University of Chinese Medicine (Zhengzhou People's Hospital), Zhengzhou 450000, China

Received:2023-05-12 Revised:2023-07-26 Published:2024-01-05 Online:2023-10-23
Contact: WANG Chengzeng

分享到

摘要/Abstract

摘要： 大数据和人工智能技术在新型冠状病毒感染（COVID-19）疫情防控中发挥了积极作用，但是目前鲜有研究对其应用情况和未来趋势进行综合探讨。本研究从COVID-19疫情防控面临的问题出发，在介绍大数据和人工智能技术优势的基础上，对疫情防控过程中常用的大数据和人工智能技术及其实际应用案例进行概述；并基于Haddon模型视角，从疫情发生前、发生中和发生后3个阶段，针对传染病的传染源、传播途径和易感人群三要素，对大数据和人工智能技术在其中的应用进行了深入探讨。研究结果对明确大数据和人工智能技术在COVID-19疫情各流行阶段的积极作用及发展应用方向，提升疫情的防控效率和质量，有效应对未来新发传染病等具有重要意义。

关键词: 新型冠状病毒感染, Haddon模型, 大数据, 人工智能, 疫情防控, 应用

Abstract:

Big data and artificial intelligence technologies have played a positive role in the prevention and control of COVID-19 outbreaks. However, its application and future trends has not been comprehensively discussed. Starting from the problems faced by the prevention and control of COVID-19, this study provided an overview of the common big data and artificial intelligence technologies and their practical application cases in the prevention and control of COVID-19 based on the introduction of the advantages of big data and artificial intelligence technologies, then discussed the application of big data and artificial intelligence technologies focusing on three elements of infectious source, route of transmission and susceptible population from the three stages that before, during, and after the COVID-19 outbreak based on the Haddon model perspective. The results of the study are important for clarifying the positive role of big data and artificial intelligence technologies in each stage of COVID-19 epidemic as well as their directions of development and application, further improving the efficiency and quality of the prevention and control of COVID-19, and effectively responding to new infectious diseases in the future.

Key words: COVID-19, Haddon model, Big data, Artificial intelligence, Prevention and control of epidemics, Application

高景宏,王言研,蒋帅,等. Haddon模型视角下大数据和人工智能在COVID-19疫情防控中的应用分析[J]. 中国全科医学, 2024, 27(01): 111-117. DOI: 10.12114/j.issn.1007-9572.2023.0288.
GAO Jinghong,WANG Yanyan,JIANG Shuai, et al. The Applications of Big Data and Artificial Intelligence in the Prevention and Control of COVID-19 from the Perspective of Haddon Model[J]. Chinese General Practice, 2024, 27(01): 111-117. DOI: 10.12114/j.issn.1007-9572.2023.0288.

图/表 3

参考文献 29

[1]	World Health Organization. The World Health Organization coronavirus disease 2019 （COVID-19） situation report [EB/OL].（2022-12-15）[2023-01-19].
[2]	DONG J，WU H，ZHOU D，et al. Application of big data and artificial intelligence in COVID-19 prevention，diagnosis，treatment and management decisions in China [J]. J Med Syst，2021，45（9）：84. DOI：10.1007/s10916-021-01757-0.
[3]	张天骏. 新冠肺炎疫情下大数据和人工智能的实践与应用[J]. 河南科技，2020，39（28）：31-33. DOI：10.3969/j.issn.1003-5168.2020.28.016.
[4]	BHONSALE A，AHIRWAR A K，KAIM K，et al. COVID-19 pandemic and potential of artificial intelligence[J]. Horm Mol Biol Clin Investig，2021，43（1）：81-84. DOI：10.1515/hmbci-2021-0041.
[5]	SHI J M，GAO J H，ZHAI Y K，et al. Construction and application of an intelligent response system for COVID-19 voice consultation in China：a retrospective study[J]. Front Med，2021，8：781781. DOI：10.3389/fmed.2021.781781.
[6]	李甜，李晓东，刘敬禹. 人工智能辅助诊断肺结节的临床价值研究[J]. 中国全科医学，2020，23（7）：828-831，836. DOI：10.12114/j.issn.1007-9572.2020.00.052.
[7]	JAKHAR D，KAUR I. Current applications of artificial intelligence for COVID-19[J]. Dermatol Ther，2020，33（4）：e13654. DOI：10.1111/dth.13654.
[8]	MOULAEI K，SHANBEHZADEH M，MOHAMMADI-TAGHIABAD Z，et al. Comparing machine learning algorithms for predicting COVID-19 mortality[J]. BMC Med Inform Decis Mak，2022，22（1）：2. DOI：10.1186/s12911-021-01742-0.
[9]	WANG S G，SUN Q R，SHEN Y，et al. Applications of robotic process automation in smart governance to empower COVID-19 prevention[J]. Procedia Comput Sci，2022，202：320-323. DOI：10.1016/j.procs.2022.04.043.
[10]	李晨露. OCR技术在智慧工地疫情防控环节的应用研究[J]. 建筑施工，2022，44（10）：2478-2481. DOI：10.14144/j.cnki.jzsg.2022.10.054.
[11]	MEYSTRE S M，HEIDER P M，KIM Y，et al. Natural language processing enabling COVID-19 predictive analytics to support data-driven patient advising and pooled testing[J]. J Am Med Inform Assoc，2021，29（1）：12-21. DOI：10.1093/jamia/ocab186.
[12]	王玥，陈颖，吴浩，等. 北京方庄社区智能语音外呼平台的应用及效果评价[J]. 中国全科医学，2021，24（16）：2062-2067. DOI：10.12114/j.issn.1007-9572.2021.00.200.
[13]	BANSAL A，PADAPPAYIL R P，GARG C，et al. Utility of artificial intelligence amidst the COVID-19 pandemic：a review[J]. J Med Syst，2020，44（9）：156. DOI：10.1007/s10916-020-01617-3.
[14]	LI H，ZENG N Y，WU P S，et al. Cov-Net：a computer-aided diagnosis method for recognizing COVID-19 from chest X-ray images via machine vision[J]. Expert Syst Appl，2022，207：118029. DOI：10.1016/j.eswa.2022.118029.
[15]	WU Z S，XUE R，SHAO M Y. Knowledge graph analysis and visualization of AI technology applied in COVID-19[J]. Environ Sci Pollut Res Int，2022，29（18）：26396-26408. DOI：10.1007/s11356-021-17800-z.
[16]	OSTASZEWSKI M，NIARAKIS A，MAZEIN A，et al. COVID-19 Disease Map，a computational knowledge repository of virus-host interaction mechanisms[J]. Mol Syst Biol，2021，17（12）：e10851. DOI：10.15252/msb.202110851.
[17]	ALDHOAYAN M D. The role of artificial intelligence and machine learning during the COVID-19 pandemic：a review[J]. Stud Health Technol Inform，2022，295：28-32. DOI：10.3233/SHTI220651.
[18]	AL-GARADI M A，YANG Y C，SARKER A. The role of natural language processing during the COVID-19 pandemic：health applications，opportunities，and challenges[J]. Healthcare，2022，10（11）：2270. DOI：10.3390/healthcare10112270.
[19]	RODRÍGUEZ-RODRÍGUEZ I，RODRÍGUEZ J V，SHIRVANIZADEH N，et al. Applications of artificial intelligence，machine learning，big data and the Internet of Things to the COVID-19 pandemic：a scientometric review using text mining[J]. Int J Environ Res Public Health，2021，18（16）：8578. DOI：10.3390/ijerph18168578.
[20]	HADDON W Jr. The changing approach to the epidemiology，prevention，and amelioration of trauma：the transition to approaches etiologically rather than descriptively based[J]. Am J Public Health Nations Health，1968，58（8）：1431-1438. DOI：10.2105/ajph.58.8.1431.
[21]	KLEIN A Z，MAGGE A，O'CONNOR K，et al. Toward using twitter for tracking COVID-19：a natural language processing pipeline and exploratory data set[J]. J Med Internet Res，2021，23（1）：e25314. DOI：10.2196/25314.
[22]	WU J，WANG J，NICHOLAS S，et al. Application of big data technology for COVID-19 prevention and control in China：lessons and recommendations[J]. J Med Internet Res，2020，22（10）：e21980. DOI：10.2196/21980.
[23]	ABD-ALRAZAQ A，ALAJLANI M，ALHUWAIL D，et al. Artificial intelligence in the fight against COVID-19：scoping review[J]. J Med Internet Res，2020，22（12）：e20756.
[24]	TING D S W，CARIN L，DZAU V，et al. Digital technology and COVID-19[J]. Nat Med，2020，26（4）：459-461. DOI：10.1038/s41591-020-0824-5.
[25]	RAPOSO A，MARQUES L，CORREIA R，et al. E-CoVig：a novel mHealth system for remote monitoring of symptoms in COVID-19[J]. Sensors，2021，21（10）：3397. DOI：10.3390/s21103397.
[26]	JIA Q，GUO Y，WANG G L，et al. Big data analytics in the fight against major public health incidents（including COVID-19）：a conceptual framework[J]. Int J Environ Res Public Health，2020，17（17）：6161. DOI：10.3390/ijerph17176161.
[27]	高景宏，赵杰，李明原，等. 面向精准医疗的多源异构数据融合技术研究[J]. 医学信息学杂志，2021，42（5）：69-74. DOI：10.3969/j.issn.1673-6036.2021.05.013.
[28]	GUDIGAR A，RAGHAVENDRA U，NAYAK S，et al. Role of artificial intelligence in COVID-19 detection[J]. Sensors，2021，21（23）：8045. DOI：10.3390/s21238045.
[29]	AGBEHADJI I E，AWUZIE B O，NGOWI A B，et al. Review of big data analytics，artificial intelligence and nature-inspired computing models towards accurate detection of COVID-19 pandemic cases and contact tracing[J]. Int J Environ Res Public Health，2020，17（15）：5330. DOI：10.3390/ijerph17155330.

大数据和人工智能技术	内容
机器学习技术	机器学习算法分析疫情相关多模态大数据，挖掘有用信息辅助决策，监测和预警疫情态势，早期追溯传染源，高效识别和阻断传播途径，及时保护易感人群，提高疫情数据的利用效率和疫情防控的质量
流程机器人	在疫情监测预警和应急响应关键环节，基于人工智能算法开发并设置流程机器人，自动化快速操作和审批常规业务，确保疫情防控措施制定、下发、分配和执行的时效性
人工智能OCR	OCR通过检测暗、亮的模式确定目标形状，然后用字符识别方法将形状翻译成计算机语言，人工智能可提高OCR识别效率与准确率，实现智能录入和检测海量疫情相关数据，避免人工操作的耗时费力
自然语言处理	使计算机读取并理解人类语言，结合语音识别技术，实现疫情防控工作自然语言交流的电子化、自动化、智能化，提高交互效率，降低人工负荷，并通过分析COVID-19相关舆情态势，及时调整、完善防控政策
人机交互智能语音系统/机器人	基于自然语言处理研发人机交互的智能语音系统，在电话流调、患者初筛与导诊、智能问答咨询热线、智能语音播报和科普宣传等场景，部分替代人工，提供7×24 h不间断疫情防控服务
智能交互	智能交互是应用于多场景的前端设备，包括智能消杀机器人、智能采样机器人、智能流调机器人等，能在涉疫场所针对传染源、传播途径、易感人群三要素，实施无接触预防与控制措施
计算机机器视觉	通过计算机技术，智能识别和理解疫情相关视频、图像等非结构化数据，结合必要的人工核验，在健康通行码验证、目标人群流调/筛查、医疗影像辅助诊断等应用场景，提升数据解析和关键信息抽取的效率
知识图谱和图计算	针对多源异构疫情数据进行知识学习和结构性分析，建立知识图谱的实体和关联，揭示疫情传播三要素的各种复杂关系，溯源传播链，预测发展趋势，模拟"决策-成效"仿真模型，辅助疫情防控决策
隐私计算	使疫情数据在交互共享与整合利用过程中不泄露原始数据，确保多源异构疫情数据的跨机构、跨地域安全融合和隐私保护，促进疫情大数据的深度挖掘与应用，以辅助精准防控，提高服务保障水平

大数据和人工智能技术	内容
机器学习技术	机器学习算法分析疫情相关多模态大数据，挖掘有用信息辅助决策，监测和预警疫情态势，早期追溯传染源，高效识别和阻断传播途径，及时保护易感人群，提高疫情数据的利用效率和疫情防控的质量
流程机器人	在疫情监测预警和应急响应关键环节，基于人工智能算法开发并设置流程机器人，自动化快速操作和审批常规业务，确保疫情防控措施制定、下发、分配和执行的时效性
人工智能OCR	OCR通过检测暗、亮的模式确定目标形状，然后用字符识别方法将形状翻译成计算机语言，人工智能可提高OCR识别效率与准确率，实现智能录入和检测海量疫情相关数据，避免人工操作的耗时费力
自然语言处理	使计算机读取并理解人类语言，结合语音识别技术，实现疫情防控工作自然语言交流的电子化、自动化、智能化，提高交互效率，降低人工负荷，并通过分析COVID-19相关舆情态势，及时调整、完善防控政策
人机交互智能语音系统/机器人	基于自然语言处理研发人机交互的智能语音系统，在电话流调、患者初筛与导诊、智能问答咨询热线、智能语音播报和科普宣传等场景，部分替代人工，提供7×24 h不间断疫情防控服务
智能交互	智能交互是应用于多场景的前端设备，包括智能消杀机器人、智能采样机器人、智能流调机器人等，能在涉疫场所针对传染源、传播途径、易感人群三要素，实施无接触预防与控制措施
计算机机器视觉	通过计算机技术，智能识别和理解疫情相关视频、图像等非结构化数据，结合必要的人工核验，在健康通行码验证、目标人群流调/筛查、医疗影像辅助诊断等应用场景，提升数据解析和关键信息抽取的效率
知识图谱和图计算	针对多源异构疫情数据进行知识学习和结构性分析，建立知识图谱的实体和关联，揭示疫情传播三要素的各种复杂关系，溯源传播链，预测发展趋势，模拟"决策-成效"仿真模型，辅助疫情防控决策
隐私计算	使疫情数据在交互共享与整合利用过程中不泄露原始数据，确保多源异构疫情数据的跨机构、跨地域安全融合和隐私保护，促进疫情大数据的深度挖掘与应用，以辅助精准防控，提高服务保障水平

疫情发生阶段	疫情发生条件	预防和控制措施
疫情发生前	传染源	（1）分析互联网检索与寻医问诊记录数据，实现COVID-19早期发现与预警；（2）基于人机交互智能语音系统，实现患者的筛查与导诊
	传播途径	（1）消毒机器人常规消杀；（2）智能机器人无接触常规环境采样检测
	易感人群	（1）智能语音机器人疫情科普宣传与教育；（2）人机交互智能语音系统，实现疫情相关信息咨询与心理疏导
疫情发生中	传染源	（1）人工智能OCR智能检测海量防疫信息，缩短疫情处置与响应时间；（2）自然语言处理海量疫情数据，筛查高危人群；（3）基于多模态大数据挖掘，快速、精准追溯传染源；（4）智能机器人查房、送药、送餐，避免接触传染源
	传播途径	（1）基于知识图谱场景分析，评判区域和场所的疫情风险等级并采取对应防控对策；（2）智能机器人按需进行环境消杀；（3）无人机器快递与配送
	易感人群	（1）计算机视觉辅助人工核验，流调和排查目标人群疫情相关信息；（2）人工智能语音识别技术，提高流调效率；（3）计算机视觉和大数据技术实现肺部CT快速辅助诊断
疫情发生后	传染源	智能机器人无接触终末消毒与采样检测
	传播途径	智能机器人无接触常规环境消杀
	易感人群	（1）自然语言处理海量疫情数据，研发智能语音咨询机器人；（2）基于知识图谱的场景分析，辅助疫情防控决策；（3）多模态疫情大数据分析，优化完善疫情防控措施

疫情发生阶段	疫情发生条件	预防和控制措施
疫情发生前	传染源	（1）分析互联网检索与寻医问诊记录数据，实现COVID-19早期发现与预警；（2）基于人机交互智能语音系统，实现患者的筛查与导诊
	传播途径	（1）消毒机器人常规消杀；（2）智能机器人无接触常规环境采样检测
	易感人群	（1）智能语音机器人疫情科普宣传与教育；（2）人机交互智能语音系统，实现疫情相关信息咨询与心理疏导
疫情发生中	传染源	（1）人工智能OCR智能检测海量防疫信息，缩短疫情处置与响应时间；（2）自然语言处理海量疫情数据，筛查高危人群；（3）基于多模态大数据挖掘，快速、精准追溯传染源；（4）智能机器人查房、送药、送餐，避免接触传染源
	传播途径	（1）基于知识图谱场景分析，评判区域和场所的疫情风险等级并采取对应防控对策；（2）智能机器人按需进行环境消杀；（3）无人机器快递与配送
	易感人群	（1）计算机视觉辅助人工核验，流调和排查目标人群疫情相关信息；（2）人工智能语音识别技术，提高流调效率；（3）计算机视觉和大数据技术实现肺部CT快速辅助诊断
疫情发生后	传染源	智能机器人无接触终末消毒与采样检测
	传播途径	智能机器人无接触常规环境消杀
	易感人群	（1）自然语言处理海量疫情数据，研发智能语音咨询机器人；（2）基于知识图谱的场景分析，辅助疫情防控决策；（3）多模态疫情大数据分析，优化完善疫情防控措施

Haddon模型视角下大数据和人工智能在COVID-19疫情防控中的应用分析

The Applications of Big Data and Artificial Intelligence in the Prevention and Control of COVID-19 from the Perspective of Haddon Model

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 3

参考文献 29

相关文章 15

编辑推荐

Metrics

留言

[1]	郑劲平, 薛武军, 巨春蓉, 马军, 曾小峰. 新型冠状病毒感染脆弱人群的识别及防治展望[J]. 中国全科医学, 2024, 27(02): 132-137,143.
[2]	杨利超, 曾华堂, 胡梦之, 伍丽群, 田倩男, 韦亮州, 朱纪明, 梁万年. 基于真实世界数据的修正SEIR模型应用于疫情防控研究[J]. 中国全科医学, 2024, 27(01): 118-124.
[3]	余娜, 柏晓玲, 逄锦, 牛雨田, 胡庆, 王远芳, 杨容泽. 贵阳市≥18岁抗疫一线人员对吸入用新型冠状病毒疫苗接种体验的质性研究[J]. 中国全科医学, 2023, 26(36): 4575-4580.
[4]	段玉霞, 李珍, 张斯齐, 房志学, 秦月兰. 结直肠癌诊疗中患者决策辅助工具应用效果的系统评价[J]. 中国全科医学, 2023, 26(25): 3194-3201.
[5]	吴建, 于丞丞, 杨银梅, 夏青云, 李泉漫, 付晓丽. 中国四地区老年人新型冠状病毒疫苗接种行为及其影响因素分析[J]. 中国全科医学, 2023, 26(22): 2763-2770.
[6]	何梅, 李荟, 母立峰, 杨明. 阿兹夫定对新型冠状病毒感染患者肝肾功能影响的研究[J]. 中国全科医学, 2023, 26(20): 2476-2481.
[7]	陈龙, 曾凯, 李莎, 陶璐, 梁玮, 王皓岑, 杨如美. 人工智能算法偏见与健康不公平的成因与对策分析[J]. 中国全科医学, 2023, 26(19): 2423-2427.
[8]	郭天赐, 陈继鑫, 余伟杰, 刘爱峰. 人工智能在骨关节炎诊疗中的应用进展[J]. 中国全科医学, 2023, 26(19): 2428-2433.
[9]	沈惠文, 林永忠, 陈淑良, 张立红, 马春野, 马得原, 张策. 基于人工智能算法的脑卒中溶栓药物精准治疗：真实世界研究[J]. 中国全科医学, 2023, 26(17): 2070-2077.
[10]	王海, 王卓莉, 裴红红, 潘龙飞. 西安市2021—2022年跨年期间新型冠状病毒感染重症病例的危险因素分析及预测指标研究[J]. 中国全科医学, 2023, 26(17): 2132-2137.
[11]	严雨格, 黄蛟灵. 新型冠状病毒感染背景下基层卫生研究热点可视化分析[J]. 中国全科医学, 2023, 26(16): 2027-2035.
[12]	陈向阳, 李舍予. 非内分泌病房住院糖尿病患者的血糖管理[J]. 中国全科医学, 2023, 26(15): 1799-1803.
[13]	刘春, 蹇文渊, 段俊国. 人工智能应用于糖尿病视网膜病变的文献计量学分析[J]. 中国全科医学, 2023, 26(15): 1847-1856.
[14]	国家老年医学中心, 中国老年医学学会心电与心功能分会, 北京医学会心血管病学分会影像学组, 中国医药卫生文化协会心血管健康与科学运动分会. 新型冠状病毒感染相关心肌损伤、心肌炎和感染后状态管理专家共识（第二版）[J]. 中国全科医学, 2023, 26(14): 1692-1702.
[15]	华俏丽, 刘慧玲, 徐晓花, 郑丹文, 王前, 刘云涛, 周鑫, 杨荣源, 丁邦晗, 郭建文, 张忠德. 新型冠状病毒感染康复者极早期认知功能障碍及影响因素研究[J]. 中国全科医学, 2023, 26(10): 1234-1240.