截至 2014 年 3 月，最大规模的埃博拉疫情爆发于 2000 年至 2001 年的乌干达。此次疫情导致 224 人死亡，报告人间病例 425 例。不幸的是，自三月份以来情况发生了变化，我们现在正处于有史以来最大规模的埃博拉疫情之中。西非埃博拉病毒感染人数已接近 10,000 人，死亡人数目前已接近 4,900 人。这次疫情的中心三个国家是几内亚、利比里亚和塞拉利昂，这三个国家恰好是世界上最贫穷的国家之一。如果还没有疫苗，阻止这种疾病的爆发是极其困难的，但是我们可以依靠大数据来阻止这种疾病的传播吗？

追踪疾病，尤其是传染病，已经是大数据 国家电子邮件列表 的常见用例。我们知道谷歌流感趋势的例子，它曾经比美国疾病控制中心等机构更好地预测世界某个地区的流感爆发。尽管谷歌流感趋势已经失去了一些预测能力，但它显示了大数据为疾病追踪提供的潜在潜力。

传统上，传染病是通过记录从文献、网络报告和基因库中获得的疾病发生情况来绘制的。GenBank 是一个数据库包含超过 250,000 个已描述物种的公开核苷酸序列。这有助于确定疾病的范围并绘制已报告疾病的所有事件的地图。为了预测疾病如何传播，需要添加其他流行病学相关的环境变量，例如温度和降雨量。使用统计数据，绘制地图，其中区域从发生概率低到发生概率高。此类地图可帮助组织确定需要采取哪些行动来限制疾病的传播。不幸的是，这个过程非常耗时并且不太准确。在我们生活的数据驱动的世界中，这可以采取不同的方式。

抗击埃博拉病毒时面临的挑战
应用大数据技术抗击埃博拉病毒，我们面临的第一个挑战是难以收集可靠、准确的数据。几内亚、利比里亚和塞拉利昂等国家的道路和信息技术基础设施非常有限。智能手机普及率极低，很难找到来自政府的准确公开数据。此外，这些国家属于世界上最贫穷的国家，没有资金来克服这些挑战。

幸运的是，国际货币基金组织已提议追加1.27亿美元资金，帮助这些国家抗击埃博拉病毒。此外，欧盟最近宣布从欧盟预算中拿出2440万欧元用于急需的埃博拉研究。这笔资金将用于五个项目，从潜在疫苗的大规模临床试验到测试治疗埃博拉病毒的现有和新型化合物。

阻止埃博拉疫情爆发
尽管需要应对一些重大挑战，但有多种方法可以以新的创新方式使用数据，从而成功抗击埃博拉病毒。大数据除了可以帮助找到治疗埃博拉病毒的药物外，还可以用来控制疫情，防止更多人感染埃博拉病毒。

阻止埃博拉疫情爆发的最重要任务之一是追踪所有与感染者接触过的人，并在潜伏期（总共 21 天）期间对他们进行监测。这一点至关重要，正确地做到这一点确实可以阻止埃博拉疫情的爆发，尼日利亚作为非洲人口最多的国家就成功阻止了疫情的爆发就证明了这一点。当然这不是唯一重要的方面。您还需要足够的高质量材料和训练有素的工作人员（尼日利亚幸运地拥有这些），以便能够安全地监控任何可能被感染的人。

另一个重要的衡量标准是充分告知人们。尼日利亚当局采取了多项举措来传达这一信息，包括广播、电视和使用当地方言的挨家挨户宣传活动，让人们了解这种疾病的风险。

大数据可用于跟踪疾病如何在一个地区传播或可能传播。根据这些信息，当地人可以更好地了解情况，或者可以提前采取隔离措施。那么，这将如何运作呢？

利用大数据追踪埃博拉疫情
如果您想同时与这么多人交流并追踪他们，即使在世界上最贫穷的地区，最好的方法就是使用手机。非洲的手机普及率为 80%，并且仍在以每年 4.2% 的速度增长。这意味着可以通过手机联系和跟踪大多数人。

潜伏期为 2 至 21 天，在此期间受害者可能不知道自己已被感染，因此了解他们在哪里、要去哪里以及与谁接触过非常重要。手机数据，包括通话数据记录，可以提供这方面的重要信息。Orange Telecom 塞内加尔向研究人员提供了 2013 年使用的 150,000 部手机的数据，这些数据为当地人的旅行模式提供了清晰的见解。当一个地区爆发疫情时，这种旅行模式可以预测疫情可能会蔓延到哪里。

当这种旅行模式与其他数据源（例如文化行为）或来自博客或社交媒体的详细信息爆发的非结构化数据相结合时，可以更详细地预测爆发的路径。尤其是卫生工作者的博客对于预测疫情可能具有相关性。外国卫生工作者经常开设博客，他们经常描述他们遇到的症状。当您使用文本分析和自然语言处理技术监控这些博客时，它可以帮助您获得有关可能爆发的早期预警。这正是今年 HealthMap 所发生的情况。

这种无需电信数据的数据聚合对于世界各地的（健康）组织来说已经非常有价值。HealthMap就是一个很好的例子。这是波士顿儿童医院于 2006 年开发的创新工具，结合了数万个数据源，提供全球传染病概况。使用复杂的算法分析社交媒体网站、政府网站、当地新闻或传染病医生的社交网络等来源，并将疾病的位置显示在地图上。这有助于旅行者、政府和卫生工作者更好地了解世界各地的不同疾病。