近日，西安交大管理学院刘跃文副教授研发了新冠肺炎感染风险的大数据评估模型，基于旅行大数据，综合计算新冠肺炎感染风险指数和级别。该模型在云南省全面推广应用，大幅度提升了防控一线现场核查工作的效率，在一定程度上控制了疫情传播风险，得到了高度认可。

疫情防控，快速识别出潜在的感染者是关键。然而，在阻断新型冠状病毒传播的工作中，存在三个盲区：一是很难知道某个人是否在公共交通工具及场所中与已确诊人员或疫源地人员接触过；二是个别人员近期到过疫源地或接触过确诊人员，但不汇报也不主动自我隔离；三是个别人员甚至刻意隐瞒自己曾到过疫源地或接触过确诊人员的历史。这些人员给疫情防治工作带来了巨大的挑战，也严重影响了疫情防治的效果。

“农历新年第一天，我们就在昆明，与合作单位一起，着手进行大数据分析和模型研发。”刘跃文说，“云南作为寒假旅游的热门地区，疫情传播期内全国各地人员流动量极大且结构复杂，交叉感染风险极高，如不有效控制甚至有可能影响到全国的疫情防控。”

2月4日，新型冠状病毒感染风险的大数据评估模型及系统在云南省正式上线。“该模型基于个人的旅行数据，自动分析其是否到过疫源地、是否与疫源地人员接触、是否与已感染病例接触等多项指标，利用贝叶斯方法，计算其感染新冠病毒的可能性指数，并预警高风险人员。”刘跃文介绍道。

该系统通过扫描身份证、网页查询、批量计算等方式投入实战应用，计算一个人不到一秒钟，能够快速锁定风险。“在实际应用中，某个检查点利用我们的系统，发现了一位高风险人员并及时隔离。该人员并不知道自己在返乡火车上的前排乘客后来被确诊为新冠肺炎。我们的系统可以自动发现并阻断这样的风险”，刘跃文说。模型上线后，部署应用到云南省多个检查点，识别出多名高风险人员，为有效阻断疫情传播作出了一定的贡献。

原文刊载于2020年2月13日西安日报第4版

报道链接：http://epaper.xiancn.com/newxarb/html/2020-02/13/content_415721.htm?div=-1