用機器學習防堵傳染病!台大地理系溫在弘教授發表「時空演算法」

評論
評論

本文為科技部提供之新聞稿。

傳染病群聚擴散是人類行為及環境交互作用的結果,因此要掌握疫情發展,確認病例的發病日期與感染地點是重要的關鍵線索。國立臺灣大學地理環境資源系溫在弘教授執行科技部多年期研究計畫,成功發展「時空演算法」,透過機器學習的特性,協助辨識疫情群聚演化的動態進程,有助於政府提早預警,同時也可以適時阻止傳染源擴散,避免疫情失控。

溫教授曾先後獲得科技部「優秀年輕學者」研究計畫獎助及「吳大猷先生紀念獎」等獎項。多年來致力於從人類空間行為與環境互動的觀點,理解傳染病群聚擴散過程,經結合地理資訊與社會網絡的特性,發展疫情爆發的空間預測模式,藉由政府開放資料平台,取得歷年登革熱病例的發病時間與地點等資訊,運用機器學習的特性,協助辨識疫情群聚演化的動態進程,包括成長、縮小、分裂、合併、出現與消失等型態,發展「時空演算法」的分析架構。該架構不僅可以有效找出傳染病大規模爆發的前兆特徵,並能有效掌握並控制疫情。

温教授將疫情比喻成葡萄串,每個病例就像葡萄,而發病時間與地點就像枝梗,「時空演算法」可根據傳染病的傳播特性,推測葡萄 ( 病例 ) 之間的感染關係,重建葡萄串 ( 群聚病例 ) 感染的全貌,並且進一步追蹤感染者來源地點。溫教授指出,若是大規模疫情,就會像葡萄串藉由樹枝梗相互傳播,短時間內就可能讓更多葡萄串受害 ( 群聚感染 ),更增加政府對控制疫情的難度,而「時空演算法」可以透過感染路徑得追蹤分析,找出群聚傳染的關鍵。

Photo Credit: 截自溫在弘教授簡報,科技部提供。

温教授過去對傳染病群聚偵測,礙於各地通報資料取得不易,難以掌握全貌,而溫教授提出的「時空演算法」則突破侷限性,以宏觀視野進行演算,目前已提出登革熱、結核病等多項疫情傳播圖像,並且針對群聚傳染初期的臨界狀況提出評估,目的在於有效控制疫情,避免傳染病擴散。此研究成果分別發表於 2017 年《科學報導》第 7 期 (Scientific Reports 7:12565) 與 2018 年 (1 月 )《美國地理學會年報》第 108 期 (Annals of the American Association of Geographers 108(4):1168-1186) 等國際級的學術期刊。

Photo Credit: 截自溫在弘教授簡報,科技部提供。

溫教授指出,「時空演算法」後續也可應用在透過空氣快速傳播或飛沫接觸的傳染病,例如日前發生的麻疹群聚擴散疫情。未來如搭配自動化疫情通報系統,透過追蹤麻疹病例在具傳染力的期間 ( 時間 ),曾出現在那些公共場所 ( 地點 ),以及後續發病狀況等資訊,便能更快速推測麻疹病例與接觸者間的時空關聯,即時掌握病例與後續發病者之間的接觸關係,不僅可以標示出危險地點 ( 可能的感染者來源地點 ),對民眾提出警告,對於阻斷傳染路徑也有幫助。

相關文章

評論