傳染病群聚擴散是人類行為及環境交互作用的結果,要掌握疫情發展,並確認病例發病日期與感染地點為關鍵線索。台灣大學地理環境資源系教授溫在弘發展「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。這項研究已獲刊於國際期刊《科學報導》及《美國地理學會年報》。

溫在弘執行科技部多年期研究計畫,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。

溫在弘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,並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,還可以掌握並控制疫情。

溫在弘表示,疫情好比葡萄串,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,即「群聚感染」感染的全貌,並且進一步追蹤感染者來源地點。

溫在弘說,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,這也就是所謂的「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。

溫在弘表示,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,而他所提出的「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。這項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。

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,以及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。

#溫在弘 #疫情 #演算