随着新型冠状病毒肆虐，疫情防控工作已进入关键时期，防扩散、输出任务严峻。近日工信部召开了疫情防控大数据支撑服务工作调度会，提出加强联防联控，运用大数据分析，支撑服务疫情态势研判。工信部副部长陈肇雄说，运用大数据分析，支撑服务疫情态势研判、疫情防控部署以及对流动人员的疫情监测、精准施策，十分重要。
那么大数据和AI算法如何支撑疫情监测、防控呢？
中国工程院院士、国家卫健委高级别专家组成员李兰娟表示，“我全力提倡应用大数据的手段进行流行病学调查，用大数据的手段来发现传染源、来控制传染源。”专家正利用大数据技术梳理感染者的生活轨迹，追踪人群接触史，成功锁定感染源及密切接触人群，为疫情防控提供宝贵信息。
针对李院士的描述，在AI领域，我们可以尝试利用一种算法来作为疫情防控的一种技术支撑手段。这就是我们这里要提到的空间聚类算法。
疫情的发生和流行具有地域性特点，在2003年非典疫情爆发开始，就有科研人员开展情的空间分布和分布模式研究。在国内，科研人员将空间聚类分析方法应用到疫情分析中，比如对1990-2006年安徽疟疾疫情的时空分布特点分析、对2004年我国各地区麻疹发病率的聚类分析、通过北京市SARS病例数据试图分析出SARS的空间过程等。在国外，也有建立了以社区为基础的流感电子监测系统，开展了流感疫情监测和应急响应。同时研究人员通过社交网络系统提取数据源，开发了疫情爆发和蔓延检测系统（EOSDS）。
我们可以通过空间聚类算法对所监测范围地区内的疑似病例、确认病例、病例接触者的距离、位置、关系等疫点数据进行分析，有助于揭示疫情的扩散规律，进而在传染病监测和防控方面起到积极作用。
根据疫点数据的空间分布情况，基于K-Means聚类分析方法对疫点分布进行分类划分，实现疫点按空间亲疏关系的分类。利用聚类算法将病例按照属性值进行聚类，按照空间邻近度来细分所属同一属性聚类的病例，对不同聚类区域进行假设检验来寻找传染病热点区域。这样不需要积累很多天的病例数据，信息具有及时性，并且容易探测出不规则分布的传染病聚集。从而为疫情管理人员有效地监测与分析疫情空间分布模式、控制管理和预防新冠疫情的扩散提供了支持。
另外，防疫资源，如医疗人员和设备等的合理、有效配置是疫情防疫管理非常关注的问题。对疫点分区进行防疫管理，在疫情防控中具有重要的现实意义。通过聚类算法，利用GIS结合K-Means空间聚类分析方法对疫点的空间分布特征按空间亲疏关系进行分类，实现在空间上对疫点的划分，确定各疫点划分子集的边界，使防疫工作人员掌握疫情在空间上的分布情况和模式，针对不同地区采取不同的防制措施，提前做好防护准备工作，合理有效配置卫生人力和物力资源等。从而为疫情防控部门提供科学决策依据，合理有效配置防控资源，有效预防与控制疫情的扩散、提高疫病防治管理水平提供了技术手段。
