关于基于人工免疫的公共卫生信息智能监测系统初探

论文代写网： 　　　　 作者：黄德有，林志，夏毓荣，易珺

【摘要】 构建基于人工免疫系统及其相关的免疫算法的公共卫生信息智能监测系统，提出一个基于免疫算法的数据处理流程，并对该系统的网络模型和实现的关键技术的进行了初步的探讨。
【关键词】 公共卫生；人工免疫；信息系统；智能监测
　　近几年国内爆发多起突发性公共卫生事件，暴露了我国公共卫生发展滞后、应急机制不健全、组织指挥不统一、信息渠道不畅通等一系列问题，也凸现了我国突发公共卫生事件信息系统尚不完，主要表现在:①日常疾病监测和报告系统的不完善。由于现有疾病监测和报告系统的不完善，使政府部门无法及时收集、汇总、分析各地有关疾病的信息，不能正确认识疾病的性质和危害的严重性，造成决策滞后。②信息传播网络不通畅。公众无法从权威渠道获得信息，造成各种流言的传播，甚至可能一起社会恐慌，影响正常的社会秩序。
　　
　　卫生信息系统的预警智能化、自动化将极大程度上帮助政府和卫生部门构建应对突发性公共卫生事件的预警和快速反应机制。公共卫生信息系统如何实现智能监测的研究也一度成为研究的热点。
　　
　　1人工免疫的发展和系统选择的可行性
　　
　　近年来，计算机专家对生物免疫机制进行了大量研究，提出了人工免疫的概念和一些对应的免疫模型来解决各类计算机问题。
　　
　　1986年，Farmer等人首先在工程领域提出免疫概念。1994年Bersini等指出免疫系统的一些性质可以应用到计算机科学的学习算法中［1］。1996年12月，在日本首次举行了基于免疫性系统的国际专题讨论会，首次提出“人工免疫系统”的概念。之后Timmis指出人工免疫系统是受理论生物学启发而产生的计算机范式，它借鉴了免疫系统的功能、原理和模型并用于复杂问题的解决［2］。人工免疫系统仿效生物免疫机制，发展出了很多新型信息处理方法，2000年De Castro等提出了aiNet网络模型［3］，2001年Timmis等提出有限资源人工免疫系统［4］，2001年Watkins在 aiNet网络模型和有限资源人工免疫系统的基础上提出了有限资源人工免疫分类器模型［4，5］，称作为AIRS(artificialimmune recognition system)。这些模型应用于数据集合的聚类和过滤分析领域，取得很好的效果［5］，表明免疫系统可以作为一种优秀的机器学习方法［6］。目前，人工免疫系统已发展成为计算智能研究中一个崭新的分支，其应用领域已经逐渐扩展到了信息安全模式识别、智能优化、机器学习、数据挖掘、机器人学、自动控制、故障诊断等诸多领域，显示出人工免疫系统强大的信息处理和问题求解能力，具有广阔的研究前景。
　　
　　对于公共卫生信息智能监测系统来说，最基本的要求是要实现信息的实时智能化处理，系统的自我学习等一系列功能。而人工免疫系统的特点正好符合卫生信息智能监测系统的功能要求。将人工免疫思想引进卫生监测预警系统中来，将人工免疫的理论与监测预警的实践相结合，是对现有卫生监测预警的一种新的探索和补充。
　　
　　本文初步探讨基于人工免疫的卫生信息系统，将人工免疫系统的免疫识别，免疫克隆，免疫记忆等算法运用到卫生信息系统，实现公共卫生信息系统的智能监测预警，应急方案的调用等功能。基于人工免疫的监测预警系统有分布性、灵活性、自适应性和鲁棒性等特点优势，是对现有预警机制的一种很好的补充，同时也是对卫生信息监测预警发展的一种新的思考与探讨。
　　
　　2基于人工免疫系统卫生信息安全预警系统网络模型设计
　　
　　2.1系统的总体设计
　　
　　系统设计的总体思想是通过监测相关卫生信息数据的变化情况，在以人工免疫算法构建的预警模型处理下，结合其他辅助决策，应急系统等，来预测疾病的发生和未来的发展趋势，并做出相应的反应及处理。系统监测和预警的对象包括两大类：①常规的重大传染病，如鼠疫、霍乱、肝炎、登革热等；②非常规的包括单个(或一些)症状奇特的新传染疾病和突发的类似于集体中毒的公共卫生事件。
　　2.2预警模型的选择
　　
　　从信息处理的角度来看，生物免疫系统具有强大的识别、学习和记忆能力以及具有分布式、自适应和多样性的特性。人工免疫系统是对生物免疫系统的模拟，是借鉴和利用生物免疫系统的信息处理机制而发展的各类信息处理技术、计算技术以及在科学工程领域中应用而产生的各种智能系统的统称。而对人工免疫系统最基本的研究，就是对其各种算法的充分挖掘和利用，将人工免疫算法应用到相关的领域，发挥出人工免疫的优势。在卫生信息的监测预警系统中，主要要实现的是对数据的智能分析处理，完成机器的自我学习更新，同时对大量的卫生信息进行数据挖掘，以实现监测预警功能。人工免疫系统强大的信息处理和问题求解能力，其模式识别、特征提取、多样性、分布式监测、克隆选择等信息处理特性，为构建智能卫生监测预警系统提供了一种新的解决方案。
　　
　　利用人工免疫在信息处理上的各种优势，将其运用到卫生信息的监测预警上，本文模拟卫生信息数据在预警模型中的处理过程，探讨基于免疫算法的数据处理流程。
　　图1基于免疫算法的数据处理流程　略
　　2.3人工免疫相关算法的选择及功能研究
　　2.3.1数据训练
　　
　　将收集获取的卫生信息数据进行初步的加工处理，以方便数据的进一步免疫加工。数据训练实际上就是把原始资料加工成有价值的信息的过程。它包括以下步骤:
　　
　　①首先将收集到的原始信息资料认真核对、整理，同时了解其来源和收集方法。对于错误或不完整的信息数据用统计学技术来纠正的，并按一定的标准对数据进行筛选，只有符合标准要求的数据才能进一步处理。
　　
　　②利用统计学技术和人工免疫算法把各种数据转变为有关的指标和实数的编码。
　　
　　③对这些指标和实数的编码进行解析和归类分组
　　2.3.2数据的免疫识别
　　
　　对完成训练后的数据，进行数据的免疫识别，而识别的本质是区分“自体”和“非自体”。免疫识别的原理是通过淋巴细胞上的抗原识别受体与抗原的结合实现的，结合的强度称为亲合度(affinity)。相应地人工免疫系统的免疫识别通过特征匹配来实现。其核心是定义一个匹配阈值，根据这个阈值判断进行数据“自体”和“非自体”识别。免疫识别的过程中也调用结合到数据库原有的数据与模型，提高分析识别的能力。
　　2.3.3免疫记忆，克隆选择
　　
　　数据经过免疫识别后，产生了很多“自体”与“非自体”的免疫细胞，而对可以提高个体亲合度、抗大群体规模的最优个体的免疫细胞以免疫记忆的形式保存。当免疫系统初次遇到一种抗原时，淋巴细胞需要一定的时间进行调整以更好地识别抗原，并在识别结束后以最优抗体的形式保留对该抗原的记忆信息。而当免疫系统再次遇到相同或者结构相似的抗原时，在免疫记忆的作用下，对输入数据进行识别判断，产生相应的效应细胞，作用于抗原数据。
　　
　　如同在生物系统的克隆选择过程，只有能够识别抗原的淋巴细胞才进行扩增。免疫学习系统，要对完成免疫识别的数据，进行免疫的克隆选择，产生与抗原数据有更高亲和力的效应细胞，提高免疫系统识别抗原数据的效率和处理分析能力。克隆选择的结果是产生与抗原有更高亲和力的淋巴细胞，提高整个免疫系统识别和清除抗原的效率。
　　
　　现在有关免疫克隆选择的研究中，De Castro提出了克隆选择算法解决机器学习问题［7］。克隆选择算法高度并行，能够实现机器学习和知识获取，产生高质量的记忆。Jung Won Kim在其入侵检测系统的设计中提出了动态克隆选择算法［8］。动态克隆选择使免疫学习系统中产生的记忆细胞和效应细胞的作用呈动态变化并进行相应的调整，以提高学习免疫系统对抗原数据的效应作用率，具有更强的适应性和学习能力。
　　2.3.4免疫数据库进化更新
　　
　　经过免疫记忆和克隆选择后的抗体数据和效应细胞，要进行数据库的存贮，以方便实现对信息的高效智能化处理。对系统不断增加的数据信息，实现数据库的自我的学习更新可以通过免疫进化算法来实现。进化计算作为一种有向随机搜索的优化算法已得到了广泛的应用，与基本免疫算法相结合，可构成“免疫、进化算法”。 转贴于 　　文献［6］提出了集免疫机制和进化机制于一体的一种全局并行算法— —基于免疫策略的进化算法。文献［9］提出了一种具有免疫功能的遗传算法。该算法对增强免疫数据库的健壮性和完整性，加快数据搜索速度、全局和局部搜索能力，对信息的调用和进化更新有很大的促进作用。
　　
　　文献［10］设计了具有免疫体亲近性特征的遗传算法。文献［11］中提出的算法具有较好的全局收敛性，能有效解决装箱问题。这些算法可以快速求出满足一定精度要求的最优解，对解决实际的免疫数据库的进化更新问题具有很大价值。
　　2.4初步构建系统模型
　　
　　通过人工免疫算法的数据处理，实现对卫生信息数据的判断及数据信息的提取，同时，基于人工免疫的机器学习，数据库实现自我的智能更新。在此基础上，结合信息的监测和决策支持系统，初步构建智能监测预警系统的模型:
　　图2基于人工免疫的卫生信息系统模型　略
　　①来源于城市中各医院、诊所、药房、实验室、防疫站、机关学校等的监测数据，通过医学数据统计软件，充分运用生物统计学方法，将数据以监测中心统一要求的数据类型进行分类、统计、整理、存储，并通过VPN专线［12］将分析后的数据传输到监测中心。在此过程中，数据类型的统一至关重要，只有遵照系统设定的数据类型，才能确保数据的可操纵性，是系统实现监测的前提。
　　
　　②监测中心根据汇总数据的来源、特征、预警级别(根据国务院发布的《国家突发公共事件总体应急预案》，公共卫生事件按照其性质、严重程度、可控性和影响范围等因素分成4级。依据突发公共事件可能造成的危害程度、紧急程度和发展态势，把预警级别分为4级。特别严重的是l级，严重的是Ⅱ级，较重的是Ⅲ级，一般的是Ⅳ级)。完成对数据进一步处理。
　　
　　③系统将不同类型的卫生信息数据输入相应的预警模型，调用相关的人工免疫算法及免疫记忆细胞、历史数据对数据进行分析判断，获取、生成、更新相应的免疫数据，并将原始数据及处理后的信息导入数据库。在此过程中，系统首先对数据进行编码，形成抗原集合。一方面，抗原集合与系统中原有的免疫记忆细胞和数据产生相互作用，系统完成对抗原数据的判断分析等功能；另一方面，抗原集合提交给免疫学习系统进行学习训练，系统整合训练后得到的免疫记忆细胞和卫生信息数据来完成对卫生事件的监测预警，从而实现了机器的自我学习。
　　
　　④智能监测预警系统中，各预警级别已映射为不同的阈值。系统将经过免疫算法分析处理后的数据与各个阈值相比较，结合决策支持系统，最终得出预警结果。
　　
　　⑤系统对预警结果进行整理，根据预警级别向公众媒体或上级有关部门通报。同时，实时收集数据及回馈信息，汇总整理。
　　
　　在预警的过程中，信息的发布及其重要。一方面，正确及时的信息发布有助于减轻灾情带来的损失，减轻社会舆论压力，安定人心，同时使各职能部门更好地协调工作；另一方面。不恰当，不及时的预警信号将带来一系列的不良后果，给各个职能部门带来压力，不利于危机的解决。因此，系统的预警发布需确保信息的准确性，而采用以人工免疫为基础的预警模型可大大降低误报率，减少不必要的麻烦。
　　
　　⑥对超过某一级别的预警，根据人工免疫的思想，系统会自动调用、生成相应的应急预案，提交上级主管部门；必要时，将调用地理信息系统（GIS）等系统辅助模块显示疫情分布，实时更新数据，实现联动指挥等功能。
　　
　　⑦信息反馈：建立反馈信息的渠道，使所有应该了解公共卫生监测信息的单位和个人都能及时获得，以便能对疫情迅速做出反应，了解事态发展，明确工作重点和研究方向。反馈应该归结为对信息的一种收集处理，其分为纵向和横向两个方向。纵向包括向上反馈给卫生行政等部门，向下反馈给下级监测机构;横向包括反馈给有关的医疗卫生机构，科研单位，以及社区等。同时，对各级反馈的信息进行处理，又是实现机器自我学习的一个过程。反馈过程中将进行相应的数据统计处理，如信息数据的归类、排序、比较等。从反馈的信息流中获取有用信息，进行相应处理，这是循环的机器自我学习过程。
　　
　　3展望与总结
　　
　　未来的公共卫生服务体系将是一种智能化的服务体系，不但要求操作使用上的智能化，服务的智能化，更加应包括对公共卫生信息监测预警的智能化.使用户得到智能的、动态的、全方位、多层次、多元化的信息服务，从而构建一个高效能、综合化的信息集成的服务体系。人工免疫系统具有独特的分布式、自适应、自组织系统功能和并行、鲁棒的信息处理能力，对实现信息系统的智能化是一个非常重要和有意义的研究方向。虽然目前多数研究还处在探索阶段，现有的算法无统一的标准，而且开放性的问题不断涌现，但是随着对免疫系统研究的深入，人工免疫在理论和实践上都将会取得新的突破。
　　
　　基于人工免疫的公共卫生信息系统，实现卫生信息的智能监测预警将会是人工智能和公共卫生信息监测系统研究又一个热点，有极大的发展空间和潜力，将会大大提高卫生监测预警效率，有极大的社会价值和意义。公共卫生信息监测预警系统一直为国内外研究的热点.本文基于人工免疫的公共卫生信息系统，并对该系统的网络模型和实现的关键技术进行了初步的探讨。由于研究的局限，特别是对相关人工免疫算法探究的不足，有许多问题有待解决，如算法中参数的选择及算法的运用。这将是我们下一步研究的工作重点。
【参考文献】
　　［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．人工免疫系统：原理、模型、分析及展望［J］．计算机学报，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．免疫进化计算理论及应用［D］．西安：西安电子科技大学，2001:9-10.

　　［10］莫宏伟，王科俊，金鸿章．计算智能的融合应用研究［J］．自动化技术及应用，2002(1)：12-16．

　　［11］孟繁桢，扬则，胡云吕，等．具有免疫体亲近性的遗传算法及其应用［J］．天津大学学报，1997，30(5)：624-627．

　　［12］曹先彬，刘克胜，王煦法．基于免疫遗传算法的装箱问题求解［J］．小型微型计算机系统，2000，21(4)：361-363．

　　［13］PEPELNJAK I，GUICHARD J．MPLS和VPN体系结构［M］．北京：人民邮电出版社，2001：160-210

　　［14］洪征，吴礼发.AIS在计算机安全领域的应用与展望［J］.解放军理工大学学报:自然科学版，2005，6(6):521-526.

　　［15］杜鹏.公共卫生事件监测与预警系统［J］.计算机应用研究，2005(6)：165-178.

　　［16］张丽.浅谈基于生物免疫原理的计算机免疫方法［J］.科技情报开发与经济，2005，15(2l)：236-238.

　　［17］杨维中，祖荣强.突发公共卫生事件预警［J］.中华预防医学杂志 ，2005(6)：247-249.

　　［18］黄建始，陈贤义.突发公共卫生事件预警系统建设框架思路［J］.中华医学杂志，2005，85(36)：2547-2549.