： 作者：黃德有，林志，夏毓榮，易珺

【摘要】 構建基于人工免疫系統(tǒng)及其相關的免疫算法的公共衛(wèi)生信息智能監(jiān)測系統(tǒng)，提出一個基于免疫算法的數(shù)據處理流程，并對該系統(tǒng)的網絡模型和實現(xiàn)的關鍵技術的進行了初步的探討。

【關鍵詞】 公共衛(wèi)生；人工免疫；信息系統(tǒng)；智能監(jiān)測

近幾年國內爆發(fā)多起突發(fā)性公共衛(wèi)生事件，暴露了我國公共衛(wèi)生發(fā)展滯后、應急機制不健全、組織指揮不統(tǒng)一、信息渠道不暢通等一系列問題，也凸現(xiàn)了我國突發(fā)公共衛(wèi)生事件信息系統(tǒng)尚不完，主要表現(xiàn)在:①日常疾病監(jiān)測和報告系統(tǒng)的不完善。由于現(xiàn)有疾病監(jiān)測和報告系統(tǒng)的不完善，使政府部門無法及時收集、匯總、分析各地有關疾病的信息，不能正確認識疾病的性質和危害的嚴重性，造成決策滯后。②信息傳播網絡不通暢。公眾無法從權威渠道獲得信息，造成各種流言的傳播，甚至可能一起社會恐慌，影響正常的社會秩序。

衛(wèi)生信息系統(tǒng)的預警智能化、自動化將極大程度上幫助政府和衛(wèi)生部門構建應對突發(fā)性公共衛(wèi)生事件的預警和快速反應機制。公共衛(wèi)生信息系統(tǒng)如何實現(xiàn)智能監(jiān)測的研究也一度成為研究的熱點。

1人工免疫的發(fā)展和系統(tǒng)選擇的可行性

近年來，計算機專家對生物免疫機制進行了大量研究，提出了人工免疫的概念和一些對應的免疫模型來解決各類計算機問題。

1986年，F(xiàn)armer等人首先在工程領域提出免疫概念。1994年Bersini等指出免疫系統(tǒng)的一些性質可以應用到計算機科學的學習算法中［1］。1996年12月，在日本首次舉行了基于免疫性系統(tǒng)的國際專題討論會，首次提出“人工免疫系統(tǒng)”的概念。之后Timmis指出人工免疫系統(tǒng)是受理論生物學啟發(fā)而產生的計算機范式，它借鑒了免疫系統(tǒng)的功能、原理和模型并用于復雜問題的解決［2］。人工免疫系統(tǒng)仿效生物免疫機制，發(fā)展出了很多新型信息處理方法，2000年De Castro等提出了aiNet網絡模型［3］，2001年Timmis等提出有限資源人工免疫系統(tǒng)［4］，2001年Watkins在 aiNet網絡模型和有限資源人工免疫系統(tǒng)的基礎上提出了有限資源人工免疫分類器模型［4，5］，稱作為AIRS(artificialimmune recognition system)。這些模型應用于數(shù)據集合的聚類和過濾分析領域，取得很好的效果［5］，表明免疫系統(tǒng)可以作為一種優(yōu)秀的機器學習方法［6］。目前，人工免疫系統(tǒng)已發(fā)展成為計算智能研究中一個嶄新的分支，其應用領域已經逐漸擴展到了信息安全模式識別、智能優(yōu)化、機器學習、數(shù)據挖掘、機器人學、自動控制、故障診斷等諸多領域，顯示出人工免疫系統(tǒng)強大的信息處理和問題求解能力，具有廣闊的研究前景。

對于公共衛(wèi)生信息智能監(jiān)測系統(tǒng)來說，最基本的要求是要實現(xiàn)信息的實時智能化處理，系統(tǒng)的自我學習等一系列功能。而人工免疫系統(tǒng)的特點正好符合衛(wèi)生信息智能監(jiān)測系統(tǒng)的功能要求。將人工免疫思想引進衛(wèi)生監(jiān)測預警系統(tǒng)中來，將人工免疫的理論與監(jiān)測預警的實踐相結合，是對現(xiàn)有衛(wèi)生監(jiān)測預警的一種新的探索和補充。

本文初步探討基于人工免疫的衛(wèi)生信息系統(tǒng)，將人工免疫系統(tǒng)的免疫識別，免疫克隆，免疫記憶等算法運用到衛(wèi)生信息系統(tǒng)，實現(xiàn)公共衛(wèi)生信息系統(tǒng)的智能監(jiān)測預警，應急方案的調用等功能。基于人工免疫的監(jiān)測預警系統(tǒng)有分布性、靈活性、自適應性和魯棒性等特點優(yōu)勢，是對現(xiàn)有預警機制的一種很好的補充，同時也是對衛(wèi)生信息監(jiān)測預警發(fā)展的一種新的思考與探討。

2基于人工免疫系統(tǒng)衛(wèi)生信息安全預警系統(tǒng)網絡模型設計

2.1系統(tǒng)的總體設計

系統(tǒng)設計的總體思想是通過監(jiān)測相關衛(wèi)生信息數(shù)據的變化情況，在以人工免疫算法構建的預警模型處理下，結合其他輔助決策，應急系統(tǒng)等，來預測疾病的發(fā)生和未來的發(fā)展趨勢，并做出相應的反應及處理。系統(tǒng)監(jiān)測和預警的對象包括兩大類：①常規(guī)的重大傳染病，如鼠疫、霍亂、肝炎、登革熱等；②非常規(guī)的包括單個(或一些)癥狀奇特的新傳染疾病和突發(fā)的類似于集體中毒的公共衛(wèi)生事件。

2.2預警模型的選擇

從信息處理的角度來看，生物免疫系統(tǒng)具有強大的識別、學習和記憶能力以及具有分布式、自適應和多樣性的特性。人工免疫系統(tǒng)是對生物免疫系統(tǒng)的模擬，是借鑒和利用生物免疫系統(tǒng)的信息處理機制而發(fā)展的各類信息處理技術、計算技術以及在科學工程領域中應用而產生的各種智能系統(tǒng)的統(tǒng)稱。而對人工免疫系統(tǒng)最基本的研究，就是對其各種算法的充分挖掘和利用，將人工免疫算法應用到相關的領域，發(fā)揮出人工免疫的優(yōu)勢。在衛(wèi)生信息的監(jiān)測預警系統(tǒng)中，主要要實現(xiàn)的是對數(shù)據的智能分析處理，完成機器的自我學習更新，同時對大量的衛(wèi)生信息進行數(shù)據挖掘，以實現(xiàn)監(jiān)測預警功能。人工免疫系統(tǒng)強大的信息處理和問題求解能力，其模式識別、特征提取、多樣性、分布式監(jiān)測、克隆選擇等信息處理特性，為構建智能衛(wèi)生監(jiān)測預警系統(tǒng)提供了一種新的解決方案。

利用人工免疫在信息處理上的各種優(yōu)勢，將其運用到衛(wèi)生信息的監(jiān)測預警上，本文模擬衛(wèi)生信息數(shù)據在預警模型中的處理過程，探討基于免疫算法的數(shù)據處理流程。

圖1基于免疫算法的數(shù)據處理流程略

2.3人工免疫相關算法的選擇及功能研究

2.3.1數(shù)據訓練

將收集獲取的衛(wèi)生信息數(shù)據進行初步的加工處理，以方便數(shù)據的進一步免疫加工。數(shù)據訓練實際上就是把原始資料加工成有價值的信息的過程。它包括以下步驟:

①首先將收集到的原始信息資料認真核對、整理，同時了解其來源和收集方法。對于錯誤或不完整的信息數(shù)據用統(tǒng)計學技術來糾正的，并按一定的標準對數(shù)據進行篩選，只有符合標準要求的數(shù)據才能進一步處理。

②利用統(tǒng)計學技術和人工免疫算法把各種數(shù)據轉變?yōu)橛嘘P的指標和實數(shù)的編碼。

③對這些指標和實數(shù)的編碼進行解析和歸類分組

2.3.2數(shù)據的免疫識別

對完成訓練后的數(shù)據，進行數(shù)據的免疫識別，而識別的本質是區(qū)分“自體”和“非自體”。免疫識別的原理是通過淋巴細胞上的抗原識別受體與抗原的結合實現(xiàn)的，結合的強度稱為親合度(affinity)。相應地人工免疫系統(tǒng)的免疫識別通過特征匹配來實現(xiàn)。其核心是定義一個匹配閾值，根據這個閾值判斷進行數(shù)據“自體”和“非自體”識別。免疫識別的過程中也調用結合到數(shù)據庫原有的數(shù)據與模型，提高分析識別的能力。

2.3.3免疫記憶，克隆選擇

數(shù)據經過免疫識別后，產生了很多“自體”與“非自體”的免疫細胞，而對可以提高個體親合度、抗大群體規(guī)模的最優(yōu)個體的免疫細胞以免疫記憶的形式保存。當免疫系統(tǒng)初次遇到一種抗原時，淋巴細胞需要一定的時間進行調整以更好地識別抗原，并在識別結束后以最優(yōu)抗體的形式保留對該抗原的記憶信息。而當免疫系統(tǒng)再次遇到相同或者結構相似的抗原時，在免疫記憶的作用下，對輸入數(shù)據進行識別判斷，產生相應的效應細胞，作用于抗原數(shù)據。

如同在生物系統(tǒng)的克隆選擇過程，只有能夠識別抗原的淋巴細胞才進行擴增。免疫學習系統(tǒng)，要對完成免疫識別的數(shù)據，進行免疫的克隆選擇，產生與抗原數(shù)據有更高親和力的效應細胞，提高免疫系統(tǒng)識別抗原數(shù)據的效率和處理分析能力。克隆選擇的結果是產生與抗原有更高親和力的淋巴細胞，提高整個免疫系統(tǒng)識別和清除抗原的效率。

現(xiàn)在有關免疫克隆選擇的研究中，De Castro提出了克隆選擇算法解決機器學習問題［7］。克隆選擇算法高度并行，能夠實現(xiàn)機器學習和知識獲取，產生高質量的記憶。Jung Won Kim在其入侵檢測系統(tǒng)的設計中提出了動態(tài)克隆選擇算法［8］。動態(tài)克隆選擇使免疫學習系統(tǒng)中產生的記憶細胞和效應細胞的作用呈動態(tài)變化并進行相應的調整，以提高學習免疫系統(tǒng)對抗原數(shù)據的效應作用率，具有更強的適應性和學習能力。

2.3.4免疫數(shù)據庫進化更新

經過免疫記憶和克隆選擇后的抗體數(shù)據和效應細胞，要進行數(shù)據庫的存貯，以方便實現(xiàn)對信息的高效智能化處理。對系統(tǒng)不斷增加的數(shù)據信息，實現(xiàn)數(shù)據庫的自我的學習更新可以通過免疫進化算法來實現(xiàn)。進化計算作為一種有向隨機搜索的優(yōu)化算法已得到了廣泛的應用，與基本免疫算法相結合，可構成“免疫、進化算法”。 文獻［6］提出了集免疫機制和進化機制于一體的一種全局并行算法— —基于免疫策略的進化算法。文獻［9］提出了一種具有免疫功能的遺傳算法。該算法對增強免疫數(shù)據庫的健壯性和完整性，加快數(shù)據搜索速度、全局和局部搜索能力，對信息的調用和進化更新有很大的促進作用。

文獻［10］設計了具有免疫體親近性特征的遺傳算法。文獻［11］中提出的算法具有較好的全局收斂性，能有效解決裝箱問題。這些算法可以快速求出滿足一定精度要求的最優(yōu)解，對解決實際的免疫數(shù)據庫的進化更新問題具有很大價值。

2.4初步構建系統(tǒng)模型

通過人工免疫算法的數(shù)據處理，實現(xiàn)對衛(wèi)生信息數(shù)據的判斷及數(shù)據信息的提取，同時，基于人工免疫的機器學習，數(shù)據庫實現(xiàn)自我的智能更新。在此基礎上，結合信息的監(jiān)測和決策支持系統(tǒng)，初步構建智能監(jiān)測預警系統(tǒng)的模型:

圖2基于人工免疫的衛(wèi)生信息系統(tǒng)模型略

①來源于城市中各醫(yī)院、診所、藥房、實驗室、防疫站、機關學校等的監(jiān)測數(shù)據，通過醫(yī)學數(shù)據統(tǒng)計軟件，充分運用生物統(tǒng)計學方法，將數(shù)據以監(jiān)測中心統(tǒng)一要求的數(shù)據類型進行分類、統(tǒng)計、整理、存儲，并通過VPN專線［12］將分析后的數(shù)據傳輸?shù)奖O(jiān)測中心。在此過程中，數(shù)據類型的統(tǒng)一至關重要，只有遵照系統(tǒng)設定的數(shù)據類型，才能確保數(shù)據的可操縱性，是系統(tǒng)實現(xiàn)監(jiān)測的前提。

②監(jiān)測中心根據匯總數(shù)據的來源、特征、預警級別(根據國務院發(fā)布的《國家突發(fā)公共事件總體應急預案》，公共衛(wèi)生事件按照其性質、嚴重程度、可控性和影響范圍等因素分成4級。依據突發(fā)公共事件可能造成的危害程度、緊急程度和發(fā)展態(tài)勢，把預警級別分為4級。特別嚴重的是l級，嚴重的是Ⅱ級，較重的是Ⅲ級，一般的是Ⅳ級)。完成對數(shù)據進一步處理。

③系統(tǒng)將不同類型的衛(wèi)生信息數(shù)據輸入相應的預警模型，調用相關的人工免疫算法及免疫記憶細胞、歷史數(shù)據對數(shù)據進行分析判斷，獲取、生成、更新相應的免疫數(shù)據，并將原始數(shù)據及處理后的信息導入數(shù)據庫。在此過程中，系統(tǒng)首先對數(shù)據進行編碼，形成抗原集合。一方面，抗原集合與系統(tǒng)中原有的免疫記憶細胞和數(shù)據產生相互作用，系統(tǒng)完成對抗原數(shù)據的判斷分析等功能；另一方面，抗原集合提交給免疫學習系統(tǒng)進行學習訓練，系統(tǒng)整合訓練后得到的免疫記憶細胞和衛(wèi)生信息數(shù)據來完成對衛(wèi)生事件的監(jiān)測預警，從而實現(xiàn)了機器的自我學習。

④智能監(jiān)測預警系統(tǒng)中，各預警級別已映射為不同的閾值。系統(tǒng)將經過免疫算法分析處理后的數(shù)據與各個閾值相比較，結合決策支持系統(tǒng)，最終得出預警結果。

⑤系統(tǒng)對預警結果進行整理，根據預警級別向公眾媒體或上級有關部門通報。同時，實時收集數(shù)據及回饋信息，匯總整理。

在預警的過程中，信息的發(fā)布及其重要。一方面，正確及時的信息發(fā)布有助于減輕災情帶來的損失，減輕社會輿論壓力，安定人心，同時使各職能部門更好地協(xié)調工作；另一方面。不恰當，不及時的預警信號將帶來一系列的不良后果，給各個職能部門帶來壓力，不利于危機的解決。因此，系統(tǒng)的預警發(fā)布需確保信息的準確性，而采用以人工免疫為基礎的預警模型可大大降低誤報率，減少不必要的麻煩。

⑥對超過某一級別的預警，根據人工免疫的思想，系統(tǒng)會自動調用、生成相應的應急預案，提交上級主管部門；必要時，將調用地理信息系統(tǒng)（GIS）等系統(tǒng)輔助模塊顯示疫情分布，實時更新數(shù)據，實現(xiàn)聯(lián)動指揮等功能。

⑦信息反饋：建立反饋信息的渠道，使所有應該了解公共衛(wèi)生監(jiān)測信息的單位和個人都能及時獲得，以便能對疫情迅速做出反應，了解事態(tài)發(fā)展，明確工作重點和研究方向。反饋應該歸結為對信息的一種收集處理，其分為縱向和橫向兩個方向。縱向包括向上反饋給衛(wèi)生行政等部門，向下反饋給下級監(jiān)測機構;橫向包括反饋給有關的醫(yī)療衛(wèi)生機構，科研單位，以及社區(qū)等。同時，對各級反饋的信息進行處理，又是實現(xiàn)機器自我學習的一個過程。反饋過程中將進行相應的數(shù)據統(tǒng)計處理，如信息數(shù)據的歸類、排序、比較等。從反饋的信息流中獲取有用信息，進行相應處理，這是循環(huán)的機器自我學習過程。

3展望與總結

未來的公共衛(wèi)生服務體系將是一種智能化的服務體系，不但要求操作使用上的智能化，服務的智能化，更加應包括對公共衛(wèi)生信息監(jiān)測預警的智能化.使用戶得到智能的、動態(tài)的、全方位、多層次、多元化的信息服務，從而構建一個高效能、綜合化的信息集成的服務體系。人工免疫系統(tǒng)具有獨特的分布式、自適應、自組織系統(tǒng)功能和并行、魯棒的信息處理能力，對實現(xiàn)信息系統(tǒng)的智能化是一個非常重要和有意義的研究方向。雖然目前多數(shù)研究還處在探索階段，現(xiàn)有的算法無統(tǒng)一的標準，而且開放性的問題不斷涌現(xiàn)，但是隨著對免疫系統(tǒng)研究的深入，人工免疫在理論和實踐上都將會取得新的突破。

基于人工免疫的公共衛(wèi)生信息系統(tǒng)，實現(xiàn)衛(wèi)生信息的智能監(jiān)測預警將會是人工智能和公共衛(wèi)生信息監(jiān)測系統(tǒng)研究又一個熱點，有極大的發(fā)展空間和潛力，將會大大提高衛(wèi)生監(jiān)測預警效率，有極大的社會價值和意義。公共衛(wèi)生信息監(jiān)測預警系統(tǒng)一直為國內外研究的熱點.本文基于人工免疫的公共衛(wèi)生信息系統(tǒng)，并對該系統(tǒng)的網絡模型和實現(xiàn)的關鍵技術進行了初步的探討。由于研究的局限，特別是對相關人工免疫算法探究的不足，有許多問題有待解決，如算法中參數(shù)的選擇及算法的運用。這將是我們下一步研究的工作重點。

【參考文獻】

［1］BERSINI，VARELA．The immune learning mechanisms：reinforcement，recruitment and their applications［M］.Computing with Biological Metaphors Chapman ＆ Hall，1994：166-192．

［2］肖人彬，王磊．人工免疫系統(tǒng)：原理、模型、分析及展望［J］．計算機學報，2002，25(12)：1281-1293．

［3］DE CASTRO L N，VON ZUBEN F J．An evolutionary immune network for data clustering［M］.Proceedings of the IEEE SBRN’00(Brazilian Symposium Oil Artificial Neural Networks)．Brazil:Riode Janeiro，2000：73-125.

［4］TIMMIS J，NEAL M．A resource limited artificial immune system for data analysis［J］．Knowledge Based Systems，2001，14(3)：121-130．

［5］WATKINS A，TIMMIS J，BOGGESS L．Artificial immune recognition system(AIRS)：an immune inspired supervised machine learning algorithm［J］．Genetic Programming and Evolvable Machines，2OO4，5(3)：291-317．

［6］WATKINS A，TIMMIS J．Artificial immune recognition system(AIRS)：revisions arm refinements［C］．Proc 1st International Conf On Artificial Immune Systems (ICARIS 2002)．2OO2，9：173-181．

［7］CASTRO D，ZUBEN V．Artificial immune systems partⅡ a survey of applications［EB／OL］．2004-06-1：215-316

［8］KIM J W ．Integrating artificial immune algorithms forintrusion detection［D］．London：University of London，2002.

［9］王磊．免疫進化計算理論及應用［D］．西安：西安電子科技大學，2001:9-10.

［10］莫宏偉，王科俊，金鴻章．計算智能的融合應用研究［J］．自動化技術及應用，2002(1)：12-16．

［11］孟繁楨，揚則，胡云呂，等．具有免疫體親近性的遺傳算法及其應用［J］．天津大學學報，1997，30(5)：624-627．

［12］曹先彬，劉克勝，王煦法．基于免疫遺傳算法的裝箱問題求解［J］．小型微型計算機系統(tǒng)，2000，21(4)：361-363．

［13］PEPELNJAK I，GUICHARD J．MPLS和VPN體系結構［M］．北京：人民郵電出版社，2001：160-210

［14］洪征，吳禮發(fā).AIS在計算機安全領域的應用與展望［J］.解放軍理工大學學報:自然科學版，2005，6(6):521-526.

［15］杜鵬.公共衛(wèi)生事件監(jiān)測與預警系統(tǒng)［J］.計算機應用研究，2005(6)：165-178.

［16］張麗.淺談基于生物免疫原理的計算機免疫方法［J］.科技情報開發(fā)與經濟，2005，15(2l)：236-238.

［17］楊維中，祖榮強.突發(fā)公共衛(wèi)生事件預警［J］.中華預防醫(yī)學雜志 ，2005(6)：247-249.

［18］黃建始，陳賢義.突發(fā)公共衛(wèi)生事件預警系統(tǒng)建設框架思路［J］.中華醫(yī)學雜志，2005，85(36)：2547-2549.