北京全國傳染病系統信息系統

實現從被動監測向主動監測的轉型。系統打通了醫療、藥店、社區、環境等多行業數據壁壘，建立了多途徑、多維度、多節點監測數據匯聚渠道。例如，通過整合醫療機構診療記錄、藥店感冒藥**、社區癥狀報告及環境監測信息，系統可實現多渠道信息關聯預警，準確評估**風險。這種“早發現、早處置”的機制，不僅很大程度減少了傳染病傳播風險，還通過動態分析醫療資源需求，優化了藥品、防護用品等物資調配，提升了公共衛生資源利用效率。 信息平臺是傳染病預警與監測系統的質感心，負責數據收集、處理、分析和發布。北京全國傳染病系統信息系統

傳染病系統架構基于疾控中心提供的四十多種法定傳染疾病大數據、行程防疫大數據、電信部門提供的手機信令大數據、通過我們定制手環獲取的隔離用戶生理特征和軌跡大數據以及通過分布式爬蟲獲取的**輿情大數據，綜合利用移動互聯網、大數據、云計算、IoT、AI智能算法、時空數據挖掘、GIS等先進技術，建立**參與的全過程全周期**精細預防與防控體系。本系統自上而下分為四層，分別為：眾源數據層、應用支撐層、業務邏輯層和應用表現層。 安徽傳染病系統落地2025年8月發布的《傳染病預警管理辦法（試行）》明確流程、分工和保障機制，多部門協同與數據共享。

移動端和智能手環針對用戶，移動端提供了解以及上報流行病的渠道，智能手環實時監測用戶身體狀態。傳染疾病防控與智能分析系統實現了對流行疾病**、輿情、城市人群、行程軌跡、疫苗接種、風向溫度等**相關大數據的多維多尺度監測、專題制圖和時空分析，同時基于手機信令和行程大數據核實確診患者的個人行程以及密接人員，并通過知識圖譜構建病患關系圖譜，精細篩選確診人群、潛在***人群信息及其行為軌跡，結合機器學習ARIMA時序分析模型，SIR、SEIR傳播模型對傳播規律及其拐點進行模擬預測，并通過K-Means聚類、情感分詞、TF-IDF算法、LDA主題模型進行輿情主題信息提取及民眾情感分析，為民眾生活、疾控部門的**防控提供科學有力的支撐。

馬家奇認為，傳統傳染病監測與預警方式的主要弊端在于：一是“被動監測”，即依賴臨床醫生的主動診斷和報告。傳染病的早期診斷，需要醫生結合患者多病原檢查檢驗結果和流行病學史等進行綜合判斷，很可能因病原檢測結果延遲、缺乏風險識別輔助等各種因素，使得醫生無法及時、準確做出診斷，導致傳染病漏診和遲報、漏報，甚至忽略對疑似新發傳染病的早期排查。二是“人工報告”，存在信息采集緩慢、數據準確性不高等問題。上報流程存在斷點，導致監測報告時效性、監測數據準確性均有所下降。數據顯示，從臨床醫生作出傳染病診斷，到疾控人員看到報告，一般需4個小時以上。手工轉錄的方式，也為各種人為因素導致填報信息錯誤提供了可能。只需輸入小區名即可自動填充省市區街道，滿足國家上報要求。

“國家傳染病智能監測預警前置軟件”是一種人工智能時代的新式傳染病監測預警系統，通過AI技術加持，提升傳染病監測預警的效率和準確性，實現動態感知的主動監測與預警上報。作為國家傳染病多渠道監測的重點應用系統之一，傳染病智能監測預警前置軟件對于建設一體化突發公共衛生應急管理服務與指揮調度體系有著十分重要的意義。傳染病監測預警前置軟件的**功能可以概括為以下四方面：“主動監測與預警”：傳染病監測預警前置軟件一經部署，即能夠主動從患者的電子病歷中提取和分析各類與傳染病相關的數據，如就診記錄、檢查檢驗結果、疾病診斷、用藥信息等。據研究表明，有效的預警系統可以使傳染病防控時間縮短30%以上。海南2025傳染病系統對接

，決策分析是傳染病防控的中心環節。北京全國傳染病系統信息系統

支持對傳染病病例信息進行多維度的篩選查詢，包括但不限于有效身份證 件號、姓名、手機號、性別、發病時間、臨床表現、實驗室檢查以及居住行政 區（精確到街道）等信息。支持關鍵信息查看，包括個人的***發熱門診就診時間、***檢測時間及結果、***狀態等信息。指針對一些特殊的傳染病， 一旦發現1例，系統即實時發出預警信號。單病 例預警的特殊病種：鼠疫、霍亂、傳染型非典型肺炎、脊髓灰質炎、人***高  致病性禽流感、肺炭疽、白喉、猴痘、急性***血吸蟲病、絲蟲病、手足口病重癥和死亡、登革熱、**重癥和死亡、狂犬病及不明原因肺炎。北京全國傳染病系統信息系統