近日，華米科技在一個(gè)SCI學(xué)術(shù)期刊Discrete Dynamics in Nature and Society的官網(wǎng)上發(fā)表了一篇論文，名為《Learning from Large-Scale Wearable Device Data for Predicting Epidemics Trend of COVID-19》（基于可穿戴設(shè)備大數(shù)據(jù)預(yù)測(cè)新型冠狀病毒肺炎的流行趨勢(shì)）。這篇論文對(duì)醫(yī)療可穿戴設(shè)備獲取的大數(shù)據(jù)如何運(yùn)用到包括新冠肺炎在內(nèi)的大流行病疫情的防控提出了頗有新意的意見(jiàn)。

官方疾控中心統(tǒng)計(jì)數(shù)據(jù)和谷歌醫(yī)療大數(shù)據(jù)的缺陷

醫(yī)療大數(shù)據(jù)的建設(shè)并非只有蘋(píng)果、華米這些醫(yī)療可穿戴產(chǎn)品生產(chǎn)公司才在做，各國(guó)的官方疾控中心就在做這項(xiàng)工作。在互聯(lián)網(wǎng)公司中，谷歌也根據(jù)來(lái)自web搜索的信息建立過(guò)自己的醫(yī)療大數(shù)據(jù)數(shù)據(jù)庫(kù)。但是官方統(tǒng)計(jì)的數(shù)據(jù)依賴(lài)各地的檢測(cè)數(shù)據(jù)進(jìn)行匯總，而不同地區(qū)受制于檢測(cè)能力的差異可能會(huì)造成不同程度的時(shí)效延遲。而谷歌的大數(shù)據(jù)庫(kù)是基于人們?cè)诠雀杈W(wǎng)站上搜索特定疾病的信息。但是人們?cè)诰W(wǎng)上搜索什么關(guān)鍵詞有時(shí)候會(huì)受到社會(huì)熱點(diǎn)的極大影響而并不完全受自身本來(lái)的疾病需求，這就會(huì)削弱搜索查詢與相關(guān)疾病的相關(guān)性。因此，基于醫(yī)療可穿戴設(shè)備搜集到的用戶身體健康數(shù)據(jù)相比以上兩者就更能反映用戶與相關(guān)疾病的關(guān)聯(lián)性和實(shí)效性。一旦你感染了某種疾病，你的身體健康數(shù)據(jù)是能夠作出特殊反應(yīng)的。

截至2019年，華米已經(jīng)獲得了超過(guò)1億消費(fèi)者的認(rèn)可，并且這個(gè)用戶數(shù)據(jù)還在不斷增長(zhǎng)當(dāng)中。廣泛的用戶群體，多樣化的數(shù)據(jù)給研究華米可穿戴醫(yī)療大數(shù)據(jù)與新冠肺炎疫情預(yù)測(cè)奠定了基礎(chǔ)。

華米可穿戴設(shè)備醫(yī)療大數(shù)據(jù)預(yù)測(cè)原理

RHR被稱(chēng)為靜息心率，這是華米在內(nèi)的許多醫(yī)療可穿戴設(shè)備測(cè)量的一項(xiàng)重要健康項(xiàng)目。研究表明，體溫每升高1°C，心率平均每分鐘增加8.5次。眾所周知，新冠肺炎給患者帶來(lái)的癥狀之一就是發(fā)熱發(fā)燒（當(dāng)然也有部分患者前期不會(huì)產(chǎn)生發(fā)熱癥狀）。因此，通過(guò)華米手環(huán)、手表等可穿戴設(shè)備測(cè)量用戶的RHR，就可以推算出用戶的體溫是否出現(xiàn)異常，是否具有符合新冠肺炎癥狀的身體狀況指標(biāo)，也就能對(duì)疫情作出預(yù)測(cè)。同時(shí)，考慮到新冠肺炎的癥狀通常是持續(xù)數(shù)天，因此華米公司在設(shè)計(jì)新冠肺炎疫情預(yù)測(cè)系統(tǒng)時(shí)將檢測(cè)標(biāo)準(zhǔn)定義為至少連續(xù)5天的指標(biāo)出現(xiàn)異常。

華米數(shù)據(jù)分析

在這篇論文中，華米通過(guò)對(duì)2017年7月1日至2020年4月8日約130萬(wàn)名佩戴華美設(shè)備的用戶的去識(shí)別傳感器數(shù)據(jù)進(jìn)行分析做了對(duì)中國(guó)、意大利、西班牙等國(guó)的疫情分析。這些數(shù)據(jù)都是經(jīng)過(guò)在隱私政策許可，獲得用戶授權(quán)，允許用于學(xué)術(shù)研究的。這130萬(wàn)的用戶都至少佩戴了100天的華米可穿戴設(shè)備，以保證數(shù)據(jù)的可靠性。

（圖片截圖自Discrete Dynamics in Nature and Society，下同）

如上圖所示，圖中顯示的，對(duì)比官方的數(shù)據(jù)，2020年生理異常率與異常檢測(cè)算法計(jì)算的生理異常率吻合較好。此外，不包括新冠肺炎影響的2020年生理異常率曲線與新冠肺炎爆發(fā)前的2020年預(yù)測(cè)和檢測(cè)的生理異常率曲線重疊，這驗(yàn)證了模型的基本可靠性。此后，這三條曲線迅速上升，說(shuō)明曲線的上升與新冠肺炎有關(guān)，預(yù)測(cè)的暴發(fā)期也與實(shí)際情況相符。