跳到主要內容

科技大觀園商標

分類項目
Menu

病例位置+發病時間+疾病傳播特性,找出傳染源頭!

109/02/26 瀏覽次數 11596
 
如果能知道感染的源頭,就能更有效的防治了!

如果疫情蔓延得很快,有上千、甚至上萬人感染時,為了控制整個疫情,必須釐清整個疫情擴散的過程,以找出感染的源頭。這是溫在弘團隊想回答的第三個問題:「感染源頭在哪裡?」

要回答這個問題,需要幾個關鍵資訊,其中最重要的是「兩個病例之間的發病間隔時間」。溫在弘團隊以登革熱為例,推算登革熱在兩個病例間傳播的間隔時間大約20天,也就是說,假設某A因為感染登革熱而發燒,此時一隻埃及斑蚊叮咬了A,在蚊子自身體內複製了病毒後,再叮咬了某B,病毒傳染到了B身上,到B開始發燒,這個過程大約需要20天。在已知登革熱如此的傳播過程下,如果有兩個人像A、B這樣相隔20天發病,則可能是相互傳染病毒的關係;相反的,如果有兩個人今、明兩天陸續發病,那麼可以判斷兩人並沒有彼此傳染,而可能是來自約20天前的同一個感染源。
 
另一方面,如果有好些病例居住在同一區,那麼他們有可能相互感染,或是被同一個感染源感染而一起發病;相反的,如果病例的位置分布在相隔遙遠的兩區,那麼即使有人同時發病,也比較可能是分別來自不同的感染源。因此「病例的位置」也是重要的參考資料。 

溫在弘團隊提出的「時空演算法」,將病例位置、發病時間與疾病傳播特性等資訊共同納入計算,分析出「一起被同一感染源感染」的許多子群,以及每個子群之間互相感染的途徑,例如鄰近的P、Q子群感染時間相差約20天,就可合理推斷可能是較早發病的P子群中,有人的病毒透過蚊子傳染給了Q子群裡的眾多感染者。

將共同發病的子群,以及子群之間的感染關係畫在地圖上,有如一串串大大小小的葡萄串,可以推算出疫情的擴散軌跡,不但能找出感染源頭,還能每天統計子群的擴大、縮小狀況,來評估疫情防治的措施是否有效。溫在弘舉例:「登革熱疫情流行期間,衛生局處會在某些地方噴滅蚊藥,我們的模式就能以科學定量的方式,判斷噴藥在這些地點究竟有沒有效果。」
 
左圖以「時空演算法」表示2002年登革熱擴散的時空結構;右圖示意P、Q、R子群的擴散模式。(圖/溫在弘提供)左圖以「時空演算法」表示2002年登革熱擴散的時空結構;右圖示意P、Q、R子群的擴散模式。(圖/溫在弘提供)
 
新冠肺炎來襲,我們能做什麼?

這次新冠肺炎來勢洶洶,值得慶幸的是截至訪談當日,臺灣並未發生嚴重的社區感染。而溫在弘的團隊對新冠肺炎也做了一些觀察。溫在弘說:「這次武漢採取了極為罕見的『封城』政策,這個猶如電影情節般的做法,我們很想知道對疫情造成了什麼影響。」

經過數據統計發現,在封城之後,原本與武漢直接有火車、高鐵等交通運輸聯繫的城市,受到封城影響,病例數的成長都趨緩。溫在弘說:「這是很正常的事情,但我們要思考的是,這些因為武漢封城而無法通過的人,很可能採取替代方案,也就是到武漢鄰近的城市去。」也就是說,鄰近城市的人潮變多了,反而增加了感染的風險,統計結果也證明,鄰近城市的病例數成長幅度明顯變大了。
 
 武漢(綠色星號)封城可能造成人群使用替代路線,湖北省(綠色線條)境內可直達武漢的車站轉乘重要性減少,而替代路線(周圍省份城市)的車站轉乘重要性增加。(圖/溫在弘提供)
武漢封城後,轉乘重要性減少的區域,新冠肺炎的病例數成長較緩,轉乘重要性增加的區域,病例數成長較快。(圖/溫在弘提供)武漢(綠色星號)封城可能造成人群使用替代路線,湖北省(綠色線條)境內可直達武漢的車站轉乘重要性減少,而替代路線(周圍省份城市)的車站轉乘重要性增加。(圖/溫在弘提供)武漢封城後,轉乘重要性減少的區域,新冠肺炎的病例數成長較緩,轉乘重要性增加的區域,病例數成長較快。(圖/溫在弘提供)
 
值得討論的是,溫在弘團隊的每一項研究所需的資料,例如通勤資訊或是病例位置等,都是來自政府資料開放平台、公開申請的資料庫或擷取網頁資訊等,但其實,在人人都有手機的現代,GPS訊號絕對是最精準即時的位置資料,若能納入電腦模式,對於疫情的分析預測一定大有幫助吧?溫在弘說:「當然一定會有幫助,但這牽涉到倫理問題,因為GPS訊號屬於個人隱私。」

當個人隱私與國家安全牴觸時,是否應當適度犧牲部分隱私,以顧全大局呢?以這次的新冠肺炎來說,政府一度為了鑽石公主號上乘客曾經在基隆港下船觀光,向電信公司調出了基地台訊號資料,在不透露每個旅客行蹤的前提下,公開了比較有風險的景點或車站。因此,溫在弘表示:「相信經過這次經驗,對於怎麼在不違反倫理及保護個人隱私權的原則下,讓學界合理使用這些資料,會有新的討論。」

溫在弘並且以2003年的SARS舉例,在那之前,對於傳染病的防治方法,一直都是以「研發疫苗」為主,「直到SARS爆發,疫苗、藥物通通來不及做出來時,大家才注意到,以當時的技術,我們連把持續爆發的病例位置,如何快速精準的定位到地圖上來進行疫情研判的能力都尚未建立。」也從那時起,如何利用地理資訊系統來分析疾病擴散狀況,才受到了重視。

如果未來能夠討論出合理的方案,讓學界在不影響隱私權的情況下,取得更準確的地理位置做為研究資料,就能及早研發電腦模式,在下一次傳染病來臨前做好準備,一旦疫情爆發,就能夠及時因應,更快速準確地掌握疫情。溫在弘說:「我們很期待未來這些資料的使用,能朝更開放的方向發展。」
 
 
審閱:溫在弘教授
創用 CC 授權條款 姓名標示─非商業性─禁止改作

本著作係採用 創用 CC 姓名標示─非商業性─禁止改作 3.0 台灣 授權條款 授權.

本授權條款允許使用者重製、散布、傳輸著作,但不得為商業目的之使用,亦不得修改該著作。 使用時必須按照著作人指定的方式表彰其姓名。
閱讀授權標章授權條款法律文字

OPEN
回頂部