Page 29 - 动物生物技术与繁殖研究

第一章 动物疫病监测与防控

过网络平台实时为畜禽寻医问诊。现在部分大型养殖场正在探索视频图像分析技
术，利用人工智能系统，监测畜禽的体温、咳嗽、体重、进食情况和运动强度，
一旦出现异常，就在第一时间做出疫情预警，以达到控制疫病的目的。

四、大数据时代动物疫病防控面临的挑战及展望

（一）对数据获取平台和技术提出更高要求
在大数据时代，想要获取更多有效信息，帮助临床决策、防控决策和科研工

作，对数据获取平台和技术就有更高要求。数据获取平台应该有广泛的覆盖范围，
如英国的 VetCompass 系统涵盖了全国 498 个兽医诊所，超过 600 万只伴侣动物，
近 4000 万条诊疗信息，形成了完善的上报系统。该项目分为 3 个阶段：一是通
过 VetCompass 平台获取兽医临床数据；二是研究人员挖掘数据信息；三是创建

世界最大规模的实时监测接口。当前澳大利亚也引入了这一系统，并已经处于第
二阶段应用。我国动物疫病和检疫等信息上报系统的数据存在一定问题，尚不能
提供准确及时的疫病预警，在进行数据挖掘的时候会严重影响分析结果。因此，
构建覆盖面广、数据质量高和兼容性强的数据库是数据挖掘的基础之一。

（二）规范选取关键词
开展网络信息监测，直接关系到数据的可用性，甚至影响到数据分析和防控
方案制定，因此选取搜索词需要更加严谨。近年来，研究热点聚焦于探索监测的
新方法，运用对网络数据流的分析，预测疾病高发时段。当前研究表明，基于网

络数据的监测系统在人群传染病监测中起到了很大的作用，但在兽医领域应用较
少。Guernier 在动物疫病应用上做出了尝试，根据高频搜索词条成功制定了有效
防控政策。谷歌公司在搜索词的选取上主要依据线性模型的拟合和验证，对搜索
词进行过滤，保证了流感模型预测的准确性。

（三）结构化数据有待规范
当前监测和调研体系产生的结构化数据存在一些问题，如格式不统一、质量
参差不齐、输入汇总繁琐、数据对比与获取困难等。建议制定行业规范，建立日
常的实验室检测、诊断和现场调查等一手数据采集和上报的数据标准规范。例如，

进行重大动物疫病防控信息报送工作，开发标准化的临床观察数据现场记录系统，
提高数据兼容性。

15