當今可謂是互聯網大數據時代，大數據既可以為人民提供幫助，同時人們通過大數據的分析，也能更好的分析事物的發展方向，提早做好預測。在今年疫情突發時，大數據也為抗擊疫情做了很多貢獻，那么大數據系統為抗擊疫情做了哪些貢獻？主要有4個方面，即了解感染模式、實時跟蹤和治療進展、跟蹤疫苗的開發和查看本地數據等。

　　大數據系統為抗擊疫情做了哪些貢獻？

　　1. 了解感染模式

了解冠狀病毒感染的第一步也是最直接的措施：確定患者在何處感染以及如何傳播，為此，圖形數據庫是一個特別強大的工具。圖形數據庫通常源自傳統的SQL數據庫，它使用GraphQL轉換SQL信息，并允許用戶更好地可視化各個數據點之間的關系。通過接觸追蹤，可以通過觀察感染者之間的社會關系來確定誰有感染冠狀病毒的風險，因此能夠看到這種聯系是至關重要的措施。

而在更大范圍內，繪制社會關系圖有助于研究人員確定哪些活動具有感染冠狀病毒的更高風險，哪些活動更安全。研究人員使用圖形數據庫對一系列行為進行建模，并使用這些模型為社區提供關鍵信息，以減少病毒傳播。

通過對冠狀病毒數據庫進行圖形化和建模能夠獲得更多的見解。這個模型可以幫助研究人員確定這種疾病在很大程度上是人們交流互動時傳播的，而不是所謂的線性閾值模型，該模型需要一定的暴露量。本質上，任何一個感染冠狀病毒的患者都有可能感染鄰居，這是造成這種病毒如此危險的重要原因，因此每次互動都意味著具有感染的風險。

　　2.實時跟蹤和治療進展

隨著冠狀病毒疫情席卷美國各地，卻出現了這樣一種趨勢：即使患者病例大幅增加，其死亡率卻隨著時間的推移而下降。這是因為醫生能夠實時匯總和分析患者數據，從而使他們能夠快速確定哪種療法最有效。這是醫生早期確定采用類固醇治療至關重要的方式。

顯然，醫生正在通過數據庫共享有關成功干預措施的信息，但是這些信息可能很有限，這意味著老弱患者可能面臨死亡的危險。此外，還有一些其他重要的治療要素。而位于低收入地區的醫院在疫情最嚴重時比富裕地區的醫院更可能出現重大設備短缺的情況。數據庫和數據可視化平臺幫助醫院跟蹤和預測關鍵的供應使用模式，這可能意味著呼吸機甚至重癥監護病房床位之間存大很大的差異，甚至面臨災難性的短缺。

　　3.跟蹤疫苗的開發

盡管了解冠狀病毒的傳播方式和治療方法很關鍵，但大多數專家都認為，除非研發和采用有效的疫苗，否則無法完全控制該病毒的傳播。不幸的是，疫苗通常需要很長時間才能生產。例如，研發出第一種水痘疫苗的科學家花費大約5年的時間，而一種疫苗在美國獲得美國食品藥品監督管理（FDA）的批準上市甚至需要25年的時間。更糟糕的是，研究人員從來沒有為其他影響人類的冠狀病毒研制出成功的疫苗，例如SARS和MERS這兩種嚴重的冠狀病毒。

影響冠狀病毒疫苗開發的最大變化是大數據與人工智能模型的交集。目前，這種方法正用于開發多種不同的疫苗，以及確定治療冠狀病毒患者的最佳藥物。如果在未來幾個月內有疫苗問世，那么可能歸功于來自龐大數據庫的有效病毒和疫苗模型。

　　4.查看本地數據

人們正在多個層面上抗擊冠狀病毒的傳播。盡管全球各地的科學家都在努力了解這種疾病并開發疫苗，并且也推出了很多本地計劃，這些計劃也依賴于大數據系統。然而在城市或州一級，流行病專家已經使用機器學習來分析數據，并確定側重于居家隔離、社交距離和地方公共衛生運動的有效性。這些模型可以幫助研究人員直觀地了解到，當干預措施達到足夠的社區滲透程度從而顯著減少病例數量以及其他重要的見解，這些見解將有助于企業、學校和其他設施重新開放，同時保持社區的安全。

上述4點就是大數據系統為抗擊疫情做出的貢獻，大數據的貢獻還有很多，想了解請繼續關注中培偉業。