据英国《自然·通讯》杂志2月9日发表的一项机器学习最新研究，美国科学家团队报告称：对匿名手机数据进行基于机器学习的分析，可以成功模拟并预报病毒性疾病——流感的传播。现阶段研究显示，这个移动地图能够准确预报纽约市和澳大利亚的流感传播情况，未来或还将有潜力对新冠肺炎进行监控。

　　病毒性疾病在人群中的传播，取决于感染者和未感染者之间的互动。目前用来预测疾病在一个城市或国家传播的模型数据，都存在稀疏和不精确的问题，比如通勤调查或网上搜索数据。

　　为了获得一个更稠密的数据集，此次，美国谷歌公司研究人员亚当·萨迪乐克及其同事从打开“位置历史记录”功能的安卓手机上收集了匿名追踪数据，并利用机器学习方法将这些数据拆分成单个“行程”，进而构建出一个人群移动地图。他们借助一个根据医院挂号和检验数据进行校准的传染病传播模型，利用这个移动地图成功模拟“预报”了2016年至2017年纽约市内和周围的流感活动。

　　研究团队发现，这个模型比常用的标准预报模型表现更好，和使用通勤调查数据差不多，但已知通勤调查数据收集起来成本更高。他们还模拟“预报”了2016年流感季澳大利亚国内的流感传播。虽然澳大利亚的人口更稀疏，流感动力学也不同，但这个模型依然能非常准确地预测流感的高峰和低谷。

　　现有的高分辨率移动数据来自手机通话记录，这些记录具有提供者特异性，一般无法反映跨境或跨国移动。位置数据没有这方面的限制，因此对于监测长距离的疾病传播更具潜力。目前，这些数据在完整性上有欠缺，因为智能手机使用率低的小孩和老人的移动数据并不包含在内。虽然存在这些限制，但研究团队证明了利用手机数据预报流行病传播的潜力。