在PanSci「智慧醫療新契機－智慧化長照新科技應用的契機」講座，和前兩位講者的基因研究相比，台大地理系的老師溫在弘，則完全關注於傳染病表現在空間移動和人口統計的層面。「『傳染』這兩個字意味著今日一個傳染病的受害者、明日就會變成加劇傳染範圍的加害者。這個特質和空汙研究就完全不同－它和社會結構、社會行為有更密切的關聯。因為這樣，『傳染』這兩個字使我更著迷於數學。」
台灣大學地理環境資源學系的溫在弘副教授，，在PanSci「智慧醫療新契機－智慧化長照新科技應用的契機」講座中的分享著重於都市環境人口移動導致的傳染病疫情的地理擴散現象。
在空間中不停移動的人口，就是一種數學
溫在弘先以2005年 CBS 美國影集《數字追兇》（Numb3rs）為例，「CSI純粹透過鑑識偵案，而《數字追兇》則透過數學去找出雜訊中的路徑。疫情就如同犯罪，可以從地理的角度去追蹤擴散來源、尋找潛在感染族群。例如身為交通樞紐的公共車站，往往也是病毒傳染的樞紐。」
CBS 美國影集《數字追兇》（Numb3rs）透過數學去找出雜訊中的破案或防疫路徑（Photo via iontelevision）
既然我們現在有了越來越多都市人口的流動資料，包括手機定位、YouBike租借記錄……能否更有效掌握人在社會中的行為模式跟流動？並且把對智慧城市的諸多想像，一併運用在疫情監測上呢？
「在每一場傳染病風波中，防疫部門想知道的是：來源的人跟地在哪裡？途徑跟高風險地區在哪裡？這股傳染之勢是怎麼星火燎原的？（＝量子跳躍的關鍵在哪裡發生？）而一般民眾想知道的則是：我在哪裡會被感染？我需要在哪裡戴口罩或是打疫苗？」
也許你發現了，每個問題的共同點就是「哪裡」。「因為我是地理系的囉，所以 Location（哪裡）對我是最重要的問題，也是為何我們要把地理資訊放到疫情預測裡。」
地理即研究永恆之事？溫在弘：小王子說錯了
開始討論 Live Geography 和即時環境監測之前，溫在弘想先打擊眾人對地理系的刻板印象。「小王子說，地理研究的是不會動的東西、是永恆不滅的東西、而非如花一般會生會死的東西－－例如海、河流、城市、山脈、沙漠。」溫在弘澄清，過去在地理範疇中無法研究的會動之物，如今透過好的無限感測科技，就能產生許多應用。
「舉例來說，我在2012年為了研究個人所在地點的空汙指數，在基隆路沿線的電線杆放了感測元件，來偵測馬路空氣中的一氧化碳。即時偵測的結果會傳遞到後端資料庫，這筆資料可做進一步運算分析，甚至製作成訊息推播到使用者的手機。」
所以，要怎麼用感測技術預測疫情？
找出擴散機制、決定抑制手段
溫在弘首先舉了2009年高雄登革熱為例，地圖上的案例點點數量、隨著時間軸的推進變得越來越密密麻麻、最後又逐漸隨著康復趨勢而減少。「但這麼描述視覺上的變化是不夠的，必須運用統計去分析群眾擴散型態－今天疫情之所以擴散，到底是因為冒出了新的傳染源、還是根本舊的傳染源沒有被有效撲滅？不同的擴散機制，會因應到防疫部門不同的抑制手段。」
前幾年不斷肆虐南台的登革熱，若能搭配更好的數據分析，或許能夠大幅降低災情。:source:wiki
其次，溫在弘突破防疫部門的觀點，進入一般人最關心的切身問題：我會在哪裡被感染？「只告訴民眾今日哪個區域新增了幾個病例的意義不大，個人關心的會是自身行動的暴露風險、而非整體傳播率。既然如此，有沒有方法可以根據每個人的行為（例如移動軌跡、社交互動），來客製化模擬個人化的風險值？」
一個面臨傳染病威脅的大學校園停課標準？
溫在弘開玩笑的抱怨，當國中小面對2009年H1N1的爆發時，擁有一套停課標準；然而每個大學生的課表都不盡相同、大學的圍牆也不如中小學具有明確的人員進出規範。「臺大的校園邊界是半封閉的，校園中可能同時有眾多的居民或是參觀者；而大學生的社交互動也更頻繁、更多采多姿……既然跨系共同上課、共同進行社團活動，今天我只停地理系的課，意義大嗎？」
出於「我要訂出一套我能切身使用的停課標準！」的動機，溫在弘摩拳擦掌的開始研究傳染病爆發時，校園中的個人暴露感染風險。
第一個重點是移動。「我以學生課表為資料庫，去評估每週一到週五、每天早上到下午、人口如何在校園中的不同教室間移動。對啦，我知道學生不會照表操課……」溫在弘不甘願的承認，但現階段為了減少蒐集資料的成本，課表資料庫的確是最實在的手邊素材了。
有了修課移動路徑和人口流動地圖之後，第二步是輔以每個校園建築入口的紅外線感測儀資料，一旦偵測到有人發燒，就自動啟動後端程式，模擬疫情擴散動態。如果爆發點在地理系室，那它跟其他建築物的風險關聯如何？綜觀下來，根據你的課表，你在每個校園建築的風險值一天下來累計有多高？
搭配紅外線感應儀，可以快速掌握可能傳染源。source:wiki
就像每日降雨機率一樣，這個計算出的每日風險值透過手機app推播給使用者。重點是，溫在弘相信這些資訊的揭露，會影響個人行為的判斷，當眾人一起改變行為，就會回到源初改變傳染病擴散的模式和規模，整體風險值就會戲劇性的降低。
「從結論來看，大學生的研究風險比研究生高，因為去過的地方若越多、感染風險當然也累積越高；而一直待在系館的宅宅，風險值也會比每個地方都只待短時間的同學累積較高。」溫在弘也回應現場聽眾的提問，當面對不同傳染病來襲時，最重要的資訊包括傳播途徑（蚊蟲叮咬和飛沫傳染就完全不同）、以及多頻繁的接觸會帶來多大的傳染力，有了這些參數，才能做數學建模。
透過溫在弘的實驗，我們多預見了一種整合無線即時感測、大數據分析和行動推播應用的整合方式，最終回歸到的，還是我們對於控制疾病的渴望與需求。
PanSci「智慧醫療新契機－智慧化長照新科技應用的契機」，在2016/3/17吸引上百名聽眾一起聊醫療大數據的科學事。
The post 醫療大數據－有了移動軌跡，就能計算感染疾病的風險值 appeared first on PanSci 泛科學.