2020年爆發嚴重特殊傳染性肺炎疫情（COVID-19）之後，至今許多人仍然心有餘悸。直至現在COVID-19雖然減弱，但仍未消失，那段期間的防疫措施，讓有些人養成了出外帶口罩的自我防護習慣。不過傳染疾病一直存在於人類的日常生活之中，若是每個人都能夠獲取即時地圖資訊──看到哪些地方「較為壅塞」，對於一般民眾選擇移動路徑，是否能夠起到非常大的作用呢？

臺灣大學地理環境資源學系教授溫在弘說：「世人對於地理學常有刻板印象的誤解，被認為只是繪製與描述自然環境與人文現象的學科，較無法應用於解決實務問題。不過，事實可不是如此。」

溫在弘將地理環境資源科學研究結合大數據分析，詳載了病原體活動的地理途徑，冀望進行預測而提前預警。
攝影／陳怡瑄

傳染疾病從哪裡來？又會去哪裡？

「我很早就想組建一種地圖數據分析的系統，來觀察與分析疾病擴散的傳染途徑。」作為臺灣「地理空間流行病學」領域的先驅者之一，溫在弘提到他博士班就讀時期，受到現代流行病學之父約翰‧斯諾（John Snow，1813-1858）結合地理學和流行病學的霍亂研究啟發，但當時在臺灣還沒有人從地理空間角度看待流行疾病。「醫學地理學的研究在那個時候還很新，地理系較少涉及公共衛生跨域整合的學習資源，我到公衛系去，公衛系又缺乏地理資訊分析的相關理論與應用技術，所以我當時就決定踏上了這個跨學科領域之中。」

1850年代之前，世人覺得霍亂的傳播原因是人們吸入了被「污染」的空氣，而約翰‧斯諾應用統計學對應倫敦西敏市的地圖，發現霍亂大多集中於抽水機旁，進一步推敲水質和霍亂個案的聯繫。

此地圖描繪了約翰‧斯諾在1854年繪製的地圖，其中黑點為倫敦霍亂疫情中的霍亂死亡病例。
圖片來源／wiki

除了約翰‧斯諾研究的啟發，有趣的是，讓溫在弘懷抱研究興趣的居然是一款「模擬城市」的電腦遊戲。模擬城市（SimCity）是1989年發行的模擬經營類遊戲，玩家要建立並開發城市，同時維持城市居民的生活需求，讓更多人口移入，並提升市民的幸福度。在這個遊戲裡面，為了讓玩家直觀了解市民的需求，提供了許多數據和圖表，如電力供應程度、空汙指數、交通壅塞程度、人口密集和生活需求等等，讓玩家在辨識圖表之後，做出相對應的遊戲策略。

他打趣地說道：「模擬城市這個遊戲真是太有趣了！遊戲的圖表上會顯示哪裡有什麼問題，例如這個區域空汙研究，或是那個區域有傳染病擴散，然後再想辦法處理。當時我一邊玩，就一邊想，如果這些圖表能夠實際運用在現實上，不就可以更快的應對或避險了嗎？這也是我們團隊希望看到的最終呈現，藉由許多數據的收集，提供一個可以預測整個城市的發展動態的系統。」

模擬城市遊戲中的數據分析功能，讓溫在弘思考，該如何讓這些技術應用於現實中的疾病傳播預測？
圖片來源／wiki。圖為2007年的遊戲畫面。

疫情監測平臺與風險視覺化

溫在弘深受啟發，經過數十載的研究，他建構了「時空演算法」，是一個以大數據為基底處理的模型。意在收集、分析與預測疾病在空間和時間上的變動，做為預防流行疾病的有效工具，為公衛和防疫工作提供了全新的前景。

時隔多年，到2015年時，高雄、臺南再次爆發登革熱疫情並隨即快速擴散，給數百萬人的生活帶來了沈重的負擔。這場疫情不僅僅是醫療系統的巨大考驗，也引發了對公共衛生政策的重新思考。

「當時，大家著重於討論如何分析與預測登革熱疫情，但那可是一大難題。」溫在弘闡述，找到病蚊的棲息地和病毒擴散之間的相互影響關係，就需要涉及各種氣象資訊、環境生態、地理與社會行為科學等不同尺度的變項，會讓數據模型更為複雜化。

因此，溫在弘團對研發的「時空演算法」，透過政府開放資料平臺取得歷年登革熱病例的發病時間與地點資訊，利用機器學習方式，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，發展了具有時空特性的疫情擴散演算法。這一演算法不僅能預測疫情爆發的潛在熱區，並且能夠幫助政府掌握和控制疫情。

登革熱地理擴散模式（2015年高雄疫情）展示。
影片來源／溫在弘提供

溫在弘說：「我們將感染者群聚的範圍稱之為熱區。它會類似細胞一樣，隨著時間改變，可能變得越來越大，甚至有可能進行分裂。我們可以找到哪個地方正在爆發、擴散，或者已被控制，從而提前進行示警或介入策略。」這就是時空演算法納入空間與時間的變化，而提供當局和使用者疾病擴散的狀況。

利用歷年登革熱疫情流行的數據，從而開發演算法程式與分析模組的建立。目前這個演算法，已經整合到臺灣疾管署疫情中心的內部資訊分析平臺，也曾被國衛院應用於分析2023年臺南市登革熱爆發的擴散分析。在國際上，亦被瑞士日內瓦大學醫院的研究團隊採用，並應用於2020年COVID-19爆發時的疫情分析。

2015年登革熱疫情在高雄、臺南擴散，也是溫在弘首度將「時空演算法」進行實際運用。系統運作方式可參考影片網址： https://www.youtube.com/watch?v=CUnZnbLKSTw
攝影／陳怡瑄

「時空演算法系統」的運用和國際化

在今天這個全球化的時代，疾病傳播的速度非常快，所以各國之間的合作和信息共享變得很重要。然而，由於臺灣未能加入世界衛生組織（WHO），無法參與WHO的決策和信息分享，這讓臺灣在應對全球疫情時遭遇很多麻煩。

「由於無法參與WHO的即時數據分享，臺灣在應對全球疫情時常常無法及時獲取最新的疾病資訊，這對於我們的疫情預測和防控工作造成了很大的挑戰。」然而，臺灣的學者不懼艱難，積極尋找替代方案和方法來彌補這一不足。

溫在弘和他的團隊彙整不同來源的資料集，涵蓋疫情擴散的各種面向。包括：ProMED系統的疾病資料和COVID-19全球病例、衛星遙測影像（氣象環境與植被特徵）、社群媒體上一般民眾的討論資料、交通運輸資料（航空網絡資料、陸上移動運輸相關資料）以及人口移動資料等等。

「ProMED是一個公開的新興疾病和爆發報告系統，每天發布大約13條疾病資訊，覆蓋超過185個國家。我們用自然語言處理和衛星影像分析，從各種資料中提取有用的資訊。」從ProMED的報告文章、衛星影像和社交媒體文章中，溫在弘團隊可以找到病例的時間和地點、環境因素和輿論聲量等信息。衛星影像還能幫助他們觀察環境的變化，比如地表溫度和植被覆蓋程度。

舉個例子，2019年底傳染性很強的COVID-19在全球快速傳播，儘管初期有很多症狀不明顯的感染者。為了應對這一威脅，許多國家停止國際航班，全球航空業受到嚴重影響。2020年3月，全球航班量下降了89%。雖然邊境設置了溫度感應器，但由於無法檢測到潛伏期患者，疫情仍然快速蔓延。

溫在弘團隊彙整機場與航班資料之後，開發了全球機場疫情風險評估分析平臺，以及個人化的即時機場風險手機App，這些系統工具能幫助政府和民眾了解當前疫情和機場風險的情況。針對跨國商務旅客和返國民眾，他們還開發了一個可以離線使用的機場風險評估App，幫助旅客評估目的地風險，規劃低風險的航段。

全球機場疫情即時風險評估分析平臺實際介面操作展示。
影片來源／溫在弘提供

由於人口高度聚集的大都會是疫情爆發流行的高風險地區，因此在評估都市防疫韌性方面，溫在弘團隊透過深入分析都市交通往來流動數據，更好地評估風險並優化醫療資源分配，並發展出防疫分區演算法。有別於傳統的防疫分區通常以行政區劃為基礎，溫在弘指出，生活圈規模的大小是較佳的防疫分區單位，不僅可以讓防疫的人力物力等資源挹注在較明確的範圍內，又可以減少大規模城市封鎖造成的社會恐慌和經濟損失，同時也是具有最好的遏止疫情擴散能力。

該系統的成功應用，使得溫在弘團隊在媒體上受到了廣泛關注和報導。同時，溫在弘也不忘初衷，他強調將繼續深化研究，進一步優化系統，以應對未來可能出現的新興傳染病挑戰。「我們的目標是持續發展地理資訊分析方法，為全球公共衛生提供有力的技術支援，讓每個人都能夠更好地應對未來新興疫情的挑戰。」他充滿信心地展望未來。

採訪撰文／吳景濱
攝影／陳怡瑄
編輯／張傑凱

The post 破解傳染病的「時空密碼」──臺大溫在弘從地理數據分析流行病學，研發「時空演算法」 appeared first on 人文．島嶼.