Bagaimana Big Data Dapat Memprediksi Penyebaran Penyakit
Korban pertama yang ditemukan adalah seorang pria berusia 87 tahun yang tinggal di Shanghai. Yang kedua berumur 60 tahun lebih muda, wafat semingu kemudian di bulan Maret 2014. Hanya dalam sebulan, ada 14 laporan kasus jenis flu burung baru H7N9; korban jiwa bertambah lima orang. Sebagaimana dikatakan oleh asisten direktorat jenderal World Health Organization , virus ini adalah “salah satu virus influenza paling mematikan yang kami pernah temukan”.
Virus ini pun menyebar. Seorang dokter spesialis penyakit menular di St Michael’s Hospital, Toronto, dr. Kamran Khan, menerima telepon dari U.S. Centers for Disease Control and Prevention. Mampukah ia membantu memprediksi resiko penyebaran penyakit tersebut ke Amerika Utara? Hal ini belum pernah ia lakukan sebelumnya.
Khan adalah pendiri BlueDot, sebuah proyek aplikasi pertama yang dapat memetakan penyebaran penyakit di seluruh dunia, tidak hanya melalui tingkat infeksi atau hasil pencarian kata (seperti Google Flu Trends) namun juga tingkat kepadatan penduduk, vektor hewan, jumlah dokter per kapita, iklim dan letak geografis, dan yang paling utama, jalur rute penerbangan internasional. Di tahun 2008, Khan mendirikan sebuah tim yang terdiri dari orang-orang dari berbagai macam bidang: tim epidermologis, ahli GIS dan network scientist untuk membangun apa yang kini dianggap sebagai penggunaan Big Data yang patut dicontoh.
Dengan menggabungkan data penerbangan dan penumpang dari lembaga penerbangan dengan laporan wabahreal-time (via HealthMap) dan variabel lokal (seperti jumlah kepadatan populasi manusia/ unggas), tim Khan menciptakan sebuah model komputer yang mampu memprediksikan penyebaran wabah melalui hub terbesar di dunia,seperti Frankfurt dan Heathrow di London, dan destinasi tujuan penumpang yang terjangkit penyakit. Melalui software ini, para pejabat kesehatan dapat mengidentifikasi adanya penyebaran wabah di kota-kota besar dengan cepat – dari Hong Kong, Hanoi, Cairo atau di kota-kota manapun. Selain itu, mereka juga dapat memperolah proyeksi real-time tersebut melalui sebuah aplikasi sederhana. Dengan informasi tersebut. Pejabat kesehatan dapat bertindak lebih cepat.
Bertindak seperti apa? Salah satu penemuan hebat BlueDot adalah ia dapat memusatkan hub-hub-hub udara di seluruh dunia – dan vektor penyakit. Khan dan kolega-koleganya menganalisa perjalanan penerbangan lebih dari 580.000 penumpang beresiko terkena virus flu burung H1N1 yang hendak meninggalkan Meksiko, tempat di mana virus tersebut pertama kali ditemukan di tahun 2009 (memakan korban hingga 250.000 jiwa). Mereka menemukan bahwa 90%dari semua penumpang yang terinfeksi dapat langsung dideteksi di 6 bandara internasional terbesar Meksiko – dengan target awal pelacakan rampung di bandara Shanghai dan Tokyo. Jika penumpang terinfeksi terdektesi pada saat kedatangan, titik-titik pemeriksaan harus disiapkan di 82 bandara di 26 negara – hal ini tentunya tidak mudah. Alhasil, Khan menggunakan model yang ia ciptakan untuk melakukan pelacakan proaktif di hub-hub mancanegara sebagai bukti bahwa Big Data dapat digunakan untuk membentuk kebijakan publik.
BlueDot dapat menjadi studi kasus mengenai cara penggunaan Big Data yang sangat menarik. Walaupun kemampuan prediksi aplikasi tersebut baru dapat dapat diuji pada penyebaran wabah flu berikutnya, model ini dapat dikatakan bekerja lebih baik daripada Google Flu Trends. Ternyata, banyak orang yang menggunakan mesin pencarian guna mencaritahu obat-obatan gejala flu, sesungguhnya terkena penyakit lain. Sehingga, menggunakan mesin pencari untuk memprediksi infeksi kadang tidak selalu akurat .
BlueDot juga bisa saja tidak akurat, namun saat CDC menelepon di tahun 2013, Khan mengatakan kepada CDC dan rekan-rekannya di Kanada bahwa mereka tidak perlu khawatir. “kita mungkin membicarakan lusinan kasus,” ujar Khan pada Toronto Star. “Dalam hal ini, resiko mereka masuk ke Kanada sangat kecil.” Dan ia benar. Kali ini.