loading...
針對登革熱、麻疹等傳染病疫情的追蹤，台灣大學地理環境資源系教授溫在弘15日表示，透過機器學習特性所發展出的動態「時空演算法」，能夠協助辨識疫情群聚演化的動態進程，有助於提早預警、阻止傳染源擴散、避免疫情失控。
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。為了解上述因素的交互作用，溫在弘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，並透過歷年登革熱病例的發病時間與地點等資訊，從疫情成長、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。
溫在弘表示，每個病例就像葡萄，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（群聚發病）感染的全貌，進一步追蹤感染者來源與地點，就如同對颱風路徑一樣去分析及預測。
溫在弘說，「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，若搭配自動化疫情通報系統，就能追蹤麻疹病例在具傳染力的時間曾出現在哪些地方，以及後續發病狀況等資訊，便能標示出危險地點，對民眾提出警告，對於阻斷傳染路徑也有幫助。
「時空演算法」研究成果已分別發表於2017年《科學報導》（Scientific Reports）與2018年1月《美國地理學會年報》（Annals of the American Association of Geographers）等國際級的學術期刊。
