根据英国自然通信杂志9日发表的一项机器学习的新研究，美国的一个科学家小组报告说，基于机器学习的匿名手机数据分析可以成功地模拟和预测病毒性疾病流感的传播。目前的研究表明，移动地图能够准确预测流感在纽约市和澳大利亚的传播，并有可能在未来监测新冠肺炎。

病毒疾病在人群中的传播取决于受感染者和未感染者之间的相互作用。目前用于预测一个城市或国家疾病传播的模型数据存在着稀少和不准确的问题，例如通勤调查或在线搜索数据。

为了获得更密集的数据集，谷歌研究员亚当·萨迪拉克(Adam Sadilek)和他的同事从安卓手机上收集匿名跟踪数据，这些手机打开位置历史(Location History)，并利用机器学习将数据分割成一个单一的"行程图"，构建一个人的移动地图。他们利用医院注册和测试数据校准的传染病传播模型，成功地模拟了2016-2017年纽约市及其周边地区的流感活动。

研究小组发现，该模型比常用的标准预测模型表现得更好，与使用通勤调查数据大致相同，但它的收集成本更高。他们还模拟了2016年流感季节期间澳大利亚流感传播的"预测"。尽管澳大利亚人口稀少，流感动态也不同，但该模型仍能非常准确地预测流感高峰和低点。

现有的高分辨率移动数据来自手机通话记录，这些记录是针对供应商的，通常无法反映跨境或跨国移动。位置数据没有这样的限制，因此更有可能监测疾病的长距离传播。目前，这些数据缺乏完整性，因为智能手机使用率低的儿童和老年人的移动数据不包括在内。尽管有这些限制，该小组展示了利用移动数据预测疫情传播的潜力。