公共卫生应急决策虚拟仿真平台

公共卫生应急决策虚拟仿真平台演讲人公共卫生应急决策虚拟仿真平台01引言：公共卫生应急决策的时代呼唤与虚拟仿真的价值锚定02结语：虚拟仿真赋能公共卫生应急决策的未来图景03目录01公共卫生应急决策虚拟仿真平台02引言：公共卫生应急决策的时代呼唤与虚拟仿真的价值锚定引言：公共卫生应急决策的时代呼唤与虚拟仿真的价值锚定公共卫生应急是国家治理体系的重要组成部分，其决策质量直接关系到人民群众的生命健康安全与社会稳定。近年来，从SARS、H1N1到新冠疫情，再到猴痘、禽流感等新发突发传染病威胁，全球公共卫生事件呈现出“高频次、高复杂、高影响”的显著特征。传统应急决策模式依赖专家经验、碎片化数据与线性推演，在面对多因素耦合传播、资源动态短缺、社会心理波动等复杂场景时，常面临“响应滞后、预案失配、决策盲区”等困境。例如，2020年初新冠疫情初期，部分城市因缺乏对“人传人-环境传人-无症状传播”多路径传播的模拟预判，导致初期防控策略调整延迟；又如2021年某地暴雨次生公共卫生事件中，饮用水污染与传染病风险的叠加效应，因缺乏多维情景推演工具，应急物资调配未能精准匹配“污染扩散速度+人群暴露风险”的动态需求。引言：公共卫生应急决策的时代呼唤与虚拟仿真的价值锚定这些实践痛点深刻揭示：公共卫生应急决策亟需从“经验驱动”向“数据-模型-仿真”协同驱动转型。虚拟仿真技术以其“可复现、可干预、可预测”的核心优势，为构建“平战结合、精准高效”的应急决策体系提供了全新范式。作为深耕公共卫生领域十余年的从业者，我亲身经历过无数次应急会议中的“数据争论”与“预案争议”——当不同部门基于局部数据提出矛盾方案时，一个能整合多源信息、模拟事件演化、推演干预效果的虚拟仿真平台，往往能成为打破“信息孤岛”、凝聚决策共识的“数字沙盘”。正是基于这样的实践认知，我深刻认识到：公共卫生应急决策虚拟仿真平台不仅是技术工具的革新，更是提升国家公共卫生应急能力现代化的战略支撑。二、平台的核心价值与战略意义：从“被动应对”到“主动治理”的范式跃迁破解“不确定性困局”：构建复杂场景下的“决策试验田”公共卫生应急的核心挑战在于“不确定性”——病原体变异、传播途径未知、社会行为动态变化、医疗资源波动等多重因素交织，导致事件演化路径难以预测。虚拟仿真平台通过“数字孪生”技术，将现实世界的“人-物-环境”系统映射为虚拟模型，可实现对“最坏情况-中间情景-最佳情景”的全维度模拟。例如，在未知新发传染病应对中，平台可基于病原学特征（潜伏期、R0值、传播途径）、人群结构（年龄分布、基础疾病率）、医疗资源（床位、ICU、医护人员）等初始参数，模拟“封控范围从1公里扩至3公里”“核酸检测频次从每日1次增至2次”“方舱医院建设周期从7天缩短至5天”等不同干预策略下的感染峰值、医疗负荷、经济成本等关键指标，为决策者提供“策略组合-效果预期-风险代价”的量化分析工具。这种“先仿真、后决策”的模式，能够显著降低“拍脑袋”决策的风险，将应急响应从“被动救火”转向“主动防控”。打破“部门壁垒”：实现跨领域协同的“数据中台”传统公共卫生应急决策常面临“数据碎片化”问题：疾控部门掌握病例数据，卫健部门掌握医疗资源数据，交通部门掌握人口流动数据，民政部门掌握物资储备数据，但各部门数据标准不一、共享不畅，导致决策时“只见树木、不见森林”。虚拟仿真平台通过构建统一的数据中台，整合多源异构数据（包括结构化的病例数据、实验室检测数据，非结构化的社交媒体舆情数据、地理空间数据，以及半结构化的物资调度数据等），并通过“时空关联引擎”实现数据融合。例如，在输入性疫情防控中，平台可整合海关入境数据、社区网格排查数据、交通枢纽客流数据，实时追踪“感染者-密切接触者-一般接触者”的时空轨迹，结合人口密度、疫苗接种率等数据，精准划定风险区域与管控措施。这种“跨部门数据联动”机制，解决了“信息差导致的决策冲突”，实现了“从分散决策到协同治理”的跨越。赋能“能力建设”：打造应急队伍的“虚拟训练场”公共卫生应急决策不仅需要“科学方案”，更需要“执行能力”。一线应急人员（如流调队员、社区工作者、医疗救治人员）的快速响应与精准执行，直接决定防控效果。虚拟仿真平台可构建高度拟真的“虚拟应急场景”，为不同角色提供沉浸式训练。例如，平台可模拟“某社区出现10例聚集性病例”的场景，让流调队员在虚拟环境中练习“病例溯源密接判定”“高风险区域划定”“流调报告撰写”等流程；让社区工作者演练“封控区居民物资配送”“核酸检测组织”“特殊人群（老人、孕妇、慢性病患者）照护”等实操技能；让医疗人员熟悉“轻症/重症患者分流”“方舱医院诊疗流程”“防护用品穿脱规范”等关键环节。通过“虚拟-现实”结合的训练模式，既能降低现实演练的成本与风险，又能通过“场景复现-错误复盘-优化迭代”的闭环，提升应急队伍的“肌肉记忆”与“实战能力”。三、系统架构与技术支撑：构建“感知-模拟-决策-反馈”的闭环生态底层架构：分层解耦与模块化设计-公共卫生数据：法定传染病报告系统、突发公共卫生事件报告系统、实验室监测数据（病原学检测、抗体检测）、疫苗接种数据等；-社会行为数据：手机信令、公共交通刷卡数据、社交媒体舆情（微博、微信、抖音等）、搜索引擎关键词指数（如“发烧”“咳嗽”等）；-环境与地理数据：气象数据（温度、湿度、风速）、水文数据（暴雨、洪水）、GIS地理信息（人口密度、医疗机构分布、交通网络）；1.数据感知层：作为平台的“感官神经”，负责多源数据的实时采集与接入。包括：公共卫生应急决策虚拟仿真平台采用“五层架构”设计，实现从数据接入到决策输出的全流程支撑：在右侧编辑区输入内容底层架构：分层解耦与模块化设计-医疗资源数据：医院床位（普通床位、ICU床位）、医护人员数量、防护物资储备（口罩、防护服、呼吸机）、药品储备（抗病毒药物、解热镇痛药）等。数据采集采用“API接口+区块链+边缘计算”技术：通过API接口对接各部门数据库，确保数据实时性；利用区块链技术实现数据“不可篡改”，保障数据可信度；采用边缘计算对终端设备（如社区监测点、医院采样点）的数据进行预处理，降低云端压力。2.数据中台层：作为平台的“数据大脑”，负责数据的清洗、融合、存储与管理。核心功能包括：-数据清洗：通过规则引擎（如重复数据过滤、异常值检测）与机器学习算法（如孤立森林、LSTM异常检测），处理数据缺失、噪声、不一致等问题；底层架构：分层解耦与模块化设计-数据融合：基于“时空关联模型”与“知识图谱技术”，将不同来源、不同结构的数据关联整合。例如，将“病例时空轨迹”与“人口流动数据”关联，识别“传播链”；将“疫苗接种数据”与“重症病例数据”关联，计算“疫苗保护率”；-数据存储：采用“湖仓一体（Lakehouse）”架构，存储结构化数据（如病例信息）与非结构化数据（如舆情文本、监控视频），支持“批处理+流处理”双模式查询，满足不同场景下的数据需求。3.模型仿真层：作为平台的“核心引擎”，负责事件演化模拟与干预效果推演。包括三底层架构：分层解耦与模块化设计大类模型：-传播动力学模型：基于SEIR（易感者-暴露者-感染者-康复者）框架，结合病原体特性与人群行为变化，构建“多路径传播模型”（如空气传播、接触传播、媒介传播）。例如，在新冠疫情防控中，可引入“疫苗接种因子”“社交距离因子”“口罩佩戴率”等动态参数，模拟不同防控措施下的传播曲线；-资源调度模型：基于运筹学与优化算法（如线性规划、遗传算法、强化学习），实现应急资源的“精准匹配”。例如，在医疗资源紧张时，模型可基于“重症患者数量”“ICU床位空余率”“医护人员排班”等数据，优化“患者转运路线”“跨区域医疗资源调配方案”；底层架构：分层解耦与模块化设计-社会行为模型：基于Agent-BasedModeling（ABM，基于主体的建模）技术，模拟不同人群（如老年人、青少年、医护人员）在应急状态下的行为决策。例如，模拟“封控政策下居民囤货行为”“疫苗接种犹豫人群的转化路径”“谣言传播对防控依从性的影响”，为“社会面管控”策略制定提供依据。4.可视化决策层：作为平台的“交互界面”，负责将仿真结果转化为直观的决策支持信息。采用“三维可视化+动态仪表盘+多终端适配”技术：-三维可视化：通过GIS引擎与三维建模技术，构建“城市数字孪生体”，实时展示“疫情热力图”“风险区域边界”“物资运输轨迹”等空间信息；-动态仪表盘：集成关键指标（如“现有确诊病例数”“Rt值”“医疗资源负荷率”“物资缺口”），支持“钻取分析”（如点击某区域查看社区级数据）与“趋势预测”（如未来7天感染峰值预测）；底层架构：分层解耦与模块化设计-多终端适配：支持PC端（供决策中心使用）、移动端（供一线人员使用）、大屏端（供新闻发布会使用），确保不同场景下的信息高效传递。5.应用支撑层：作为平台的“服务接口”，为不同用户提供定制化功能模块，包括“风险监测”“预案推演”“资源调度”“决策评估”“培训演练”等，支持用户按需调用。关键技术突破：从“理论可行”到“实战可用”的跨越在右侧编辑区输入内容平台的稳定运行与功能实现，依赖于多项关键技术的协同创新：-时空融合：基于“时空索引”与“轨迹聚类算法”，实现“病例时空轨迹”与“人口流动数据”的时空对齐；-语义融合：通过自然语言处理（NLP）技术，将非结构化数据（如舆情文本、流调报告）转化为结构化语义标签，与结构化数据关联；-知识融合：构建“公共卫生知识图谱”，整合病原学特征、传播途径、防控措施等专业知识，辅助模型推理。1.多源数据融合技术：针对公共卫生数据“多源、异构、动态”的特点，提出“时空-语义-知识”三维度融合框架：在右侧编辑区输入内容2.高精度仿真引擎：传统传播动力学模型难以模拟“个体差异”与“局部聚集”效应，关键技术突破：从“理论可行”到“实战可用”的跨越平台引入“微观-宏观耦合仿真技术”：-微观层面：基于ABM模型，模拟每个“Agent”（个体）的“行为特征”（如社交频率、防护意识）与“健康状态”（如易感、感染、康复），实现“个体行为-疾病传播”的精准耦合；-宏观层面：通过“元胞自动机模型”模拟“社区-城市-区域”不同尺度的传播规律，实现“微观个体行为”与“宏观疫情趋势”的双向反馈。3.动态决策优化算法：应急决策面临“多目标冲突”（如“控制疫情”与“保障经济”关键技术突破：从“理论可行”到“实战可用”的跨越的冲突），平台采用“多目标强化学习算法”：-以“最小化感染人数”“最小化医疗资源缺口”“最小化经济损失”为目标函数，构建“状态-动作-奖励”模型；-通过“深度Q网络（DQN）”算法，学习在不同疫情状态（如“爆发期”“平台期”“下降期”）下的最优策略组合（如“封控范围+检测频次+物资调配比例”），实现“动态优化-实时调整”的闭环决策。4.边缘计算与云计算协同技术：针对应急场景下的“低延迟、高并发”需求，采用“边关键技术突破：从“理论可行”到“实战可用”的跨越缘计算+云计算”协同架构：-边缘端：在社区、医院等场景部署边缘计算节点，处理实时数据（如核酸采样点人流监测、社区病例上报），实现“秒级响应”；-云端：承担复杂模型计算（如传播动力学模拟、资源优化调度），支持大规模仿真任务，确保“算力充足”。四、核心功能模块设计：覆盖“事前-事中-事后”全流程应急决策需求（一）风险监测与早期预警模块：构建“感知-研判-预警”的前端防线功能定位：实现对公共卫生风险的“早发现、早报告、早处置”，从“被动响应”转向“主动预警”。核心功能：关键技术突破：从“理论可行”到“实战可用”的跨越1.实时风险监测：-通过“多源数据融合引擎”，整合“症状监测数据”（如医院发热门诊数据、药店购药数据）、“病原学监测数据”（如环境样本检测结果）、“社会行为数据”（如舆情关键词指数），构建“风险指标体系”（如“流感样病例百分比”“环境阳性率”“谣言传播指数”）；-采用“动态阈值模型”（基于历史数据与实时趋势自适应调整阈值），当任一指标超过阈值时，触发“风险预警”。例如，某区域“流感样病例百分比”连续3天超过基线值的2倍，且“环境样本新冠病毒阳性率”达0.1%，系统自动发布“高风险预警”。关键技术突破：从“理论可行”到“实战可用”的跨越2.传播链溯源与风险预测：-基于时空轨迹分析与基因测序数据，构建“传播链图谱”，明确“传染源-传播途径-易感人群”；-结合传播动力学模型，预测“未来7天-14天的疫情发展趋势”，包括“感染峰值出现时间”“累计感染人数”“医疗资源需求缺口”，为早期干预提供数据支撑。3.预警信息推送与协同处置：-预警信息通过“分级分类”机制推送：对“黄色预警”（中等风险）推送至区级疾控部门与社区卫生服务中心；对“橙色预警”（高风险）推送至市级卫健委与应急管理局；对“红色预警”（极高风险）推送至省级决策部门与国家卫健委；-同步触发“协同处置流程”：如“红色预警”触发“应急指挥中心启动”“多部门联动会议”“应急物资预调配”等预设流程。关键技术突破：从“理论可行”到“实战可用”的跨越（二）应急预案推演与优化模块：打造“预案库-推演台-优化器”的决策沙盘功能定位：解决“预案制定脱离实际”“应急响应经验依赖”等问题，实现“预案从‘纸面’到‘地面’”的转化。核心功能：1.数字化预案库建设：-整合国家、省、市、县四级公共卫生应急预案，包括“总体预案”“专项预案”（如新冠疫情防控预案、洪涝灾害次生公共卫生事件预案）“部门预案”（如交通保障预案、物资保障预案）；-将预案转化为“结构化流程模型”（如“封控区划分流程”“流调队伍调度流程”“医疗救治流程”），明确“责任主体-处置步骤-时间节点-资源需求”。关键技术突破：从“理论可行”到“实战可用”的跨越2.多情景预案推演：-支持“单一情景推演”（如“某医院出现聚集性病例”的处置流程）与“复合情景推演”（如“台风+暴雨+疫情”的多灾害叠加场景）；-推演过程中可动态调整“干预参数”（如“封控范围从1公里扩至3公里”“核酸检测频次从每日1次增至2次”），实时展示“不同参数下的感染曲线、医疗负荷、物资消耗”等结果；-推演结束后自动生成“推演报告”，包括“策略有效性评估”“资源匹配度分析”“瓶颈环节识别”，为预案优化提供依据。关键技术突破：从“理论可行”到“实战可用”的跨越3.预案动态优化机制：-基于“历史推演数据”与“实际处置数据”，通过“机器学习算法”（如随机森林、XGBoost）分析“预案执行效果”与“关键影响因素”（如“流调队伍响应时间”“物资调配效率”）；-定期更新预案库，例如，根据新冠疫情防控经验，将“方舱医院建设标准”“隔离点管理规范”等实操性内容纳入预案，实现“预案迭代-经验沉淀”的闭环。（三）应急资源调度与保障模块：实现“资源-需求-空间”的精准匹配功能定位：解决“应急资源分布不均”“调配效率低下”“供需错配”等问题，确保“资源在关键时刻能送到最需要的地方”。核心功能：关键技术突破：从“理论可行”到“实战可用”的跨越1.资源动态监测：-整合“医疗资源”（床位、医护人员、防护物资、药品）、“生活物资”（食品、饮用水、帐篷）、“交通资源”（救护车、运输车辆、物流通道）等数据，构建“资源一张图”；-实时监测“资源存量”（如某医院ICU床位空余率）、“资源流量”（如每日新增物资入库量）、“资源缺口”（如某区域防护服缺口1000套）。2.智能调度优化：-基于多目标优化算法（如NSGA-II算法），构建“资源调度模型”，以“最小化运输时间”“最小化运输成本”“最大化资源利用率”为目标；关键技术突破：从“理论可行”到“实战可用”的跨越-支持“点对点调度”（如从物资仓库直接调配至医院）、“区域协同调度”（如跨市调配ICU床位）、“动态路径优化”（如根据交通拥堵情况调整运输路线）。例如，在新冠疫情期间，某市通过平台模拟“从A仓库调拨5000套防护服至B医院”与“从C仓库调拨3000套防护服至D医院”的方案，结合“运输时间-运输成本-资源缺口”综合评估，最终选择“C仓库→D医院”方案，节省运输时间2小时，降低成本15%。3.资源保障与协同：-建立“供应商协同平台”，对接医疗物资生产企业、物流企业、电商平台，实现“资源需求实时发布-生产计划动态调整-物流状态全程跟踪”；-对“特殊资源”（如ECMO、抗病毒药物）实行“统一储备、统一调配”，确保“救命资源用在刀刃上”。关键技术突破：从“理论可行”到“实战可用”的跨越（四）决策评估与复盘模块：构建“效果-过程-改进”的闭环提升机制功能定位：解决“应急决策效果难量化”“经验教训难沉淀”等问题，实现“从一次处置到能力持续提升”的进化。核心功能：1.多维度效果评估：-构建“评估指标体系”，包括“过程指标”（如“流调队伍响应时间”“病例平均发现时间”）、“结果指标”（如“感染峰值下降幅度”“医疗资源负荷率”）、“社会指标”（如“公众防控依从性”“经济损失”）；-采用“对比分析法”（如“实际措施与模拟最优措施的效果对比”）、“成本效益分析”（如“每减少1例感染投入的成本”），量化评估决策效果。关键技术突破：从“理论可行”到“实战可用”的跨越2.全过程复盘分析：-基于平台记录的“决策日志”“数据流”“推演过程”，还原“事件处置全流程”，识别“关键决策节点”（如“是否启动封控”“是否开展全员核酸”）；-通过“根因分析法”（如鱼骨图）分析“决策失误或效果不佳的原因”，如“数据延迟导致预警滞后”“预案未考虑特殊人群需求”“资源调配路线规划不合理”。3.经验知识沉淀：-将“复盘分析结果”转化为“结构化知识”，纳入“知识库”，包括“典型案例库”（如“某地疫情处置成功经验”“某地疫情处置教训”）、“最佳实践库”（如“流调快速响应技巧”“物资调配优化方案”）；-通过“智能推荐引擎”，在后续应急决策中自动推送“相关案例”与“最佳实践”，实现“经验复用-知识传承”。关键技术突破：从“理论可行”到“实战可用”的跨越五、应用场景与实践案例：从“虚拟仿真”到“实战实效”的价值转化新发突发传染病疫情防控：以某市奥密克戎疫情处置为例背景：2022年3月，某市发现首例奥密克戎变异株感染者，疫情呈现“点多、面广、传播链复杂”特点，传统流调方式难以快速溯源。平台应用：1.风险监测与早期预警：平台整合“医院发热门诊数据”“药店购药数据”“社区网格排查数据”，发现某区域“流感样病例百分比”连续5天超过基线值3倍，且“关联病例时空轨迹高度重合”，立即触发“红色预警”，为早期封控争取了48小时“黄金窗口期”。2.传播链溯源与风险预测：基于时空轨迹分析与基因测序数据，平台构建“传播链图谱”，识别出3个“超级传播事件”（某家庭聚集性传播、某企业聚集性传播、某餐馆聚集性传播），并预测“若不采取严格封控，7天内感染峰值将达5000例”。新发突发传染病疫情防控：以某市奥密克戎疫情处置为例3.预案推演与资源调度：平台模拟“封控范围从1公里扩至3公里”“全员核酸检测频次从每日1次增至2次”“跨区域调配200名流调队员”等策略，结果显示“封控范围扩至3公里+全员核酸2次”可使感染峰值降低60%，且医疗资源负荷可控。决策中心采纳该方案，最终疫情在14天内得到控制，累计感染病例仅1200例，远低于预测峰值。4.复盘与经验沉淀：复盘发现，“初期流调队伍响应时间较长”是影响溯源效率的关键因素，平台据此优化“流调队伍调度流程”，建立“10分钟响应、30分钟出发”机制，并将该流程纳入预案库。自然灾害次生公共卫生事件应对：以某省暴雨洪涝灾害为例背景：2021年7月，某省遭遇特大暴雨洪涝灾害，多个县城被淹，饮用水污染、传染病风险、医疗资源短缺等问题叠加。平台应用：1.风险监测：平台整合“气象数据”“水文数据”“GIS地理信息”，实时监测“洪水淹没范围”“人口转移情况”“饮用水源地水质”，识别出“某县自来水厂被淹”“临时安置点人口密度过高”等高风险场景。2.资源调度：针对“医疗物资缺口”与“饮用水污染”问题，平台模拟“从A市调拨应急医疗物资包5000套”“从B市调拨饮用水净化设备20台”“通过直升机向C村空投物资”等方案，结合“运输时间-可达性-需求量”优化后，确定“陆路运输医疗物资+直升机空投饮用水”的组合方案，确保了受灾群众“有干净水喝、有病能及时治”。自然灾害次生公共卫生事件应对：以某省暴雨洪涝灾害为例3.传染病防控：基于ABM模型，平台模拟“临时安置点内腹泻病传播趋势”，预测“若不加强饮用水消毒和卫生管理，7天内腹泻病例将达300例”。据此，决策中心部署“饮用水每日消毒安置点”“增设移动厕所”“开展卫生防病知识宣传”等措施，最终腹泻病例仅出现50例，有效避免了传染病暴发。重大活动公共卫生保障：以某国际博览会为例背景：2023年某国际博览会预计吸引100万参会者，涉及100多个国家和地区，存在“输入性传染病风险”“人群聚集性传播风险”“突发公共卫生事件处置风险”。平台应用：1.风险评估：平台整合“参会者来源地疫情数据”“场馆人口密度数据”“交通枢纽客流数据”，评估“某国参会者携带猴痘病毒风险”“场馆内呼吸道传染病传播风险”为“高风险”，建议“对所有境外参会者开展健康申报+核酸检测”“场馆内强制佩戴口罩”“设置临时医疗点”。2.应急预案推演：模拟“某展馆出现1例发热病例”的场景，推演“病例转运-密接判定-环境消杀-区域管控”流程，优化“密接判定效率”（从4小时缩短至2小时）与“医疗点响应时间”（从10分钟缩短至5分钟）。重大活动公共卫生保障：以某国际博览会为例3.保障过程监测：博览会期间，平台实时监测“场馆人流量”“发热门诊就诊量”“物资消耗量”，动态调整“安保力量”“医疗资源”“物资储备”，确保了“零输入、零聚集、零暴发”的保障目标。六、挑战与未来发展方向：从“单点突破”到“体系化跃升”的路径思考当前面临的主要挑战尽管公共卫生应急决策虚拟仿真平台已在实践中展现出显著价值，但其全面推广与应用仍面临多重挑战：1.数据共享与隐私保护的平衡：公共卫生数据涉及个人隐私（如病例身份信息、行程轨迹）与部门利益（如医疗资源数据、物资储备数据），当前存在“数据不愿共享、不敢共享”的问题。如何在保障数据安全与个人隐私的前提下，实现数据高效共享，是平台推广的首要瓶颈。2.模型精度与复杂度的平衡：高精度仿真模型（如ABM微观模型）需要大量个体行为数据与算力支撑，计算成本高；低精度模型（如宏观SEIR模型）难以模拟复杂场景下的局部细节。如何提升模型的“计算效率-预测精度-场景适应性”，是技术突破的关键。当前面临的主要挑战3.公众参与与社会信任的构建：应急决策涉及公众切身利益（如封控、隔离），部分公众对“虚拟仿真决策”存在“不信任”心理，认为“机器决策缺乏人性”。如何通过“公众参与式仿真”（如邀请社区居民参与预案推演）、“透明化决策”（如公开仿真结果与决策依据），构建“政府-专家-公众”的协同决策机制，是提升决策公信力的重要课题。4.技术标准与人才队伍建设：当前虚拟仿真平台缺乏统一的技术标准（如数据接口标准、模型评估标准），导致不同平台间难以互联互通；同时，既懂公共卫生专业知识、又掌握仿真技术与数据科学的高端人才短缺，制约了平台的深度应用。未来发展方向面向“健康中国2030”与全球公共卫生治理新需求，公共卫生应急决策虚拟仿真平台需向“智能化、协同化、常态化、人本化”方