用机器学习防堵传染病!台大地理系温在弘教授发表时空演算法

用机器学习防堵传染病!台大地理系温在弘教授发表时空演算法

传染病群聚扩散是人类行为及环境交互作用的结果,因此要掌握疫情发展,确认病例的发病日期与感染地点是重要的关键线索。国立台湾大学地理环境资源系温在弘教授执行科技部多年期研究计画,成功发展「时空演算法」,透过机器学习的特性,协助辨识疫情群聚演化的动态进程,有助于政府提早预警,同时也可以适时阻止传染源扩散,避免疫情失控。

温教授曾先后获得科技部「优秀年轻学者」研究计画奖助及「吴大猷先生纪念奖」等奖项。多年来致力于从人类空间行为与环境互动的观点,理解传染病群聚扩散过程,经结合地理资讯与社会网络的特性,发展疫情爆发的空间预测模式,藉由政府开放资料平台,取得历年登革热病例的发病时间与地点等资讯,运用机器学习的特性,协助辨识疫情群聚演化的动态进程,包括成长、缩小、分裂、合併、出现与消失等型态,发展「时空演算法」的分析架构。该架构不仅可以有效找出传染病大规模爆发的前兆特徵,并能有效掌握并控制疫情。

温教授将疫情比喻成葡萄串,每个病例就像葡萄,而发病时间与地点就像枝梗,「时空演算法」可根据传染病的传播特性,推测葡萄之间的感染关係,重建葡萄串感染的全貌,并且进一步追蹤感染者来源地点。温教授指出,若是大规模疫情,就会像葡萄串藉由树枝梗相互传播,短时间内就可能让更多葡萄串受害 ,更增加政府对控制疫情的难度,而「时空演算法」可以透过感染路径得追蹤分析,找出群聚传染的关键。

用机器学习防堵传染病!台大地理系温在弘教授发表时空演算法

温教授过去对传染病群聚侦测,碍于各地通报资料取得不易,难以掌握全貌,而温教授提出的「时空演算法」则突破侷限性,以宏观视野进行演算,目前已提出登革热、结核病等多项疫情传播图像,并且针对群聚传染初期的临界状况提出评估,目的在于有效控制疫情,避免传染病扩散。此研究成果分别发表于 2017 年《科学报导》第 7 期与 2018 年 《美国地理学会年报》第 108 期 :1168-1186) 等国际级的学术期刊。

用机器学习防堵传染病!台大地理系温在弘教授发表时空演算法

温教授指出,「时空演算法」后续也可应用在透过空气快速传播或飞沫接触的传染病,例如日前发生的麻疹群聚扩散疫情。未来如搭配自动化疫情通报系统,透过追蹤麻疹病例在具传染力的期间 ,曾出现在那些公共场所 ,以及后续发病状况等资讯,便能更快速推测麻疹病例与接触者间的时空关联,即时掌握病例与后续发病者之间的接触关係,不仅可以标示出危险地点 ,对民众提出警告,对于阻断传染路径也有帮助。

相关推荐