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。」

 

searching-for-hospital-or-clinic

▲ 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」。

 

patient-flow

▲ 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。」

 

map-daily-transportation-taipei

▲ 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。

behavior-pandemic-risk

▲ 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!