病毒從哪裡來？往哪裡擴散？我會不會被感染？關於傳染病的許多資訊，其實潛藏在地理空間資訊裡，臺灣大學地理環境資源學系溫在弘教授的團隊用一張張的地圖，揭露傳染病的擴散途徑與潛在風險，讓你不再恐慌！
本文可搭配服用 給地圖控的武漢肺炎疫情指南／洪新恩
編註：本文經溫在弘老師授權轉載自科技大觀園，也感謝科技大觀園特約編輯郭雅欣。
原文請見科技大觀園 https://scitechvista.nat.gov.tw/c/sToh.htm
面對像新冠肺炎這樣的傳染病，如果能對疫情的發展多掌握一分資訊，民眾就能多一分安全感。溫在弘教授將疫情資訊納入地圖，藉由病例的地理、時空分布，分析出疫情是怎麼擴散開來的，甚至還能判斷你被感染的可能性。分析的過程猶如偵探辦案，從現有資訊的蛛絲馬跡找出可能的真相，現在就一起來看看他是怎麼做的吧！
如果能提早一點知道疫情會爆發就好了！
溫在弘團隊想回答的其中一個問題是：「我們能不能更早一點發現疫情即將爆發？」舉例來說，我們時常在新聞看到因為某店的食物不新鮮，造成當地居民食物中毒、集體腹瀉，通常是由發現異狀的民眾主動通報衛生局，事情才會爆發。然而在民眾察覺並通報前，很可能因腹瀉前往就醫的人數就已經變多了。
因此，如果我們能得到病例居住或工作的位置，以及每個病人發病的時間，或許就可以提前發現異狀！溫在弘團隊針對這類經由食物感染的「食媒性」疾病，研發出電腦模式，只要納入「每天因腹瀉而掛急診的人數」、「這些人前往哪幾家醫院就診」（同一區域的醫院表示腹瀉源頭很可能相同）這幾項資訊，就可計算偵測病例間是否出現群聚感染的現象，「這附近的人很可能發生集體腹瀉了」比起仰賴人們主動察覺，能更提早一些發現異狀，並通報相關單位。溫在弘說：「我們希望能扮演吹哨者的角色。」
▲ 當人們生病時，會到附近醫院就診。（圖／改自いらすとや）
如果能知道被感染的機率，就不會那麼緊張了！
相較於透過食物傳染的疾病，透過飛沫、接觸體液等途徑傳染的疾病更令人緊張，因為大家都擔心會不會無意間接觸到病人而被感染。因此溫在弘團隊想回答的另一個問題是：「我被感染的可能性有多大？」
傳染病會擴散到什麼程度，和人與人之間的接觸率息息相關。例如，每天上班時，你會先搭乘20分鐘的捷運，和其他乘客擠在車廂中；抵達公司後會與同事相處幾個小時，中午外出吃午餐接觸餐廳老闆和其他客人，下班後再搭乘捷運回家……，這些行為使得你每天在不同的地點，花費或長或短的時間，接觸到許多不同的人群。因此，在評估傳染的速度、範圍時，一個最大的考慮因素就是「大家到底經過了哪些地方。」也就是「移動」的資訊。
為了取得移動資訊，溫在弘的團隊運用了幾個方法。第一，透過健保資料庫得知民眾習慣就診的醫院，這不但可以推斷出你可能住在哪裡，「我們並假設一般人習慣小感冒、牙痛等輕症會在自家附近看，嚴重的才去大醫院。」因此還可以推斷出一般人看診時的移動模式，建構出一個「就醫網絡」。
▲ 病患從居住鄉鎮市到各醫療院所之就醫流動地圖，線條粗細代表病患人數。（圖／溫在弘提供）
另一個重要的移動資訊來自「通勤」，這項資訊的取得有幾種方法。首先，溫在弘團隊以大臺北地區為研究對象，利用人口普查資料中「居住地」與「上班地」建立了通勤網絡地圖，接著納入臺北捷運與Ubike的運輸資料，也就是所有乘客出入站或借還自行車的詳細資料，建立了大臺北地區的人口移動網絡。溫在弘說：「雖然基於隱私，我們不會知道究竟出入站或借還車的人到底是誰，性別或年齡也無從得知，但這個資訊還是對我們掌握人流趨勢的分析很有幫助。」
▲ 大臺北地區的人口移動網路。（圖／溫在弘提供）
既然已經知道大家每天會經過哪些地方了，是否就能準確預測疫情擴散的情況呢？答案是：沒那麼簡單！因為傳染的媒介是人，而人的行為瞬息萬變，加上疫情本身的變化也會影響人的行為，因此對於疫情究竟會如何擴散，增加許多不確定性，也使得疫情擴散的狀況非常難以掌握。溫在弘舉例說：「假設你知道你的朋友得了流感，你或許在和他見面時就會特地戴上口罩，甚至取消約會，這個動作大幅降低了你原本被傳染流感的風險，自然也降低你傳染給你家人的風險。」
針對這個問題，溫在弘團隊研發了一款APP，就像每天的天氣預報一樣，能夠預測使用者每天被感染的風險。在這款APP中，使用者輸入自己去過的地方，系統能根據上述的移動資料、目前哪些地方已經發現病例等資料，推估使用者今天受感染的風險。而每個使用者的當日行為資訊（例如有經過人潮眾多的捷運站，或是取消行程）也會立即回饋給系統，做為系統預測下一時間點感染風險的參考因素。
▲ 個人行為與傳染病感染風險。（圖／溫在弘提供）
請繼續參考溫在弘老師的下篇 病例位置+發病時間+疾病傳播特性，找出傳染源頭！
留言