境外移入案例頻傳!AI如何找出最高風險感染者?

境外移入案例頻傳!AI如何找出最高風險感染者?
台灣雖暫無新增本土案例,但境外移入頻傳,AI可從中找出高風險感染族群、減少病毒擴散的機會。圖片來源:總統府Flickr
2020-07-29
文・陳愷新
8651
台灣有幸重啟社會經濟活動,進入樂活防疫階段,但是邊境解封壓力不斷襲來、第二波疫情回擊警鐘猶在,位居前線的「疫調工作」成為無法鬆懈的關鍵任務。

人力拮据且資源有限的公衛體系,該如何更有效率地運用人工智慧,應對不斷燎原的疫情星火?

地理位置分析與疫調第一人:約翰・斯諾

約翰.斯諾被後世尊稱為「現代流行病學之父」。約翰.斯諾被後世尊稱為「現代流行病學之父」。圖片來源:https://bit.ly/3hDfXIK

把時間調回到1854年。當時的倫敦霍亂疫情肆虐,單單一個社區,短短2週內就超過500人死亡。

當時理論認為,霍亂以某種傳染性顆粒,透過空氣傳播使人致病。不過,倫敦一位醫師約翰・斯諾(John Snow)卻懷疑,「水」在其中推波助瀾,決定在社區挨家挨戶調查。

他計算了該社區每戶霍亂死亡人數,將這些資料歸納到被稱為「鬼圖」(Ghost Map)的地圖上,發現霍亂死者大都集中在布羅德街(Broad Street)一口水井周圍。他訪問感染者及其家人,發現他們都從此水井取水,後續也證實是糞池污水滲入了水源,經由該水井擴散到水系統。

斯諾使用地理位置進行疾病傳播分析,找出霍亂真正傳播成因,成功減緩擴散。這個重大貢獻,讓他被後世尊稱為「現代流行病學之父」;而他繪製的鬼圖,則被譽為地理資訊系統(GIS)的濫觴,也使他成為採用「疫調手法」緩減傳染並傳播的第一人。

150多年後的今天,為對付新冠肺炎,整個世界仍基於斯諾的「地理位置分析」與「接觸者追蹤」基礎,發展出現代化的偵查與疫調方法。

然而棘手的是,新冠病毒傳播更快速、更全面,美洲、印度地區確診數持續攀升,歐亞部分區域也燃起第二波疫情。人力拮据且資源有限的公衛部門及醫療體系,該如何更有效率地運用人工智慧和分析功能,應對不斷燎原的星火?(延伸閱讀|公布失聯者姓名、門診串出入境資料⋯⋯共體時艱,或侵犯隱私?|法治在瘟疫蔓延時

AI協助疫調,用「速度」拯救更多生命

自1930年代以來,「接觸者追蹤」(contact tracing,即「疫調」),即為公衛人員仰賴的技術。這是一個相對簡單的過程:疫調人員訪談確診者或疑似病例,評估三項內容:

第一,過去14天內跟誰有過互動?
第二,大多數時間在哪裡度過?
第三,互動的持續時間和時機如何?

這些關鍵面向概括了主要資訊,但現有流程卻有一些缺點:

首先,許多紀錄僅存於「紙本」。若要將這些資訊輸入資料庫,要靠第三方手動完成,從「紙本」轉換到「電子」時,資訊可能會遺落或不一致,造成分析失準。

再者,患者提供的資訊「可能不完整或遺漏」。這不一定是刻意隱匿,而是患者很難記住所有互動過的人,以及過去兩週去過的地方。

最後、也是最大的一個弱點,就是「疫調速度遠跟不上疾病傳播速度」,這導致疫調人員難以確定個案的優先次序,以及如何配置有限的時間。

譬如,一週內,一位疫調人員可能會訪談10至30人,但這些人的接觸者卻可能上百成千。疫調人員如何找到最高風險者?如何劃分優先級別,確定首要接觸者名單並追蹤他們?哪些人即使延遲行動也不會帶來風險?

可協助繁複又不斷變化的事件,即為人工智慧價值所在;讓AI協助疫調流程自動化,將能大大協助全球的公衛人員。(延伸閱讀|哪些政策在PTT被推爆?後疫情時代做這3件事 轉型AI政府正當時|SAS專欄

如何執行?

先建立一個中央數據庫,盡可能匯集所有接觸者追蹤資訊(你可能驚訝,但現今全球擁有這樣資料庫的公衛機構並不多);接著設法豐富資料源,如納入高風險區域地點,如醫院位置、工作人員名冊資料、連結航班與郵輪旅客資料、政府因應緊急事件所許可存取的信用卡交易紀錄、電話號碼、電子郵件地址及實際地址等,以了解接觸者去過的餐廳與商店,甚至手機位置資料等。

而後,即可在資料庫基礎上,開始運算風險分數,產生智能預警。

舉例來說,系統排序出風險分數高低後,捉出了風險分數高的接觸者「小賽」。進一步探索,發現她在護理之家工作,她每天搭乘大眾運輸工作且經過最大轉運站,她還有位同事同樣被列為需追蹤的接觸者。以上這些行為與狀態,使系統對她產出警報。

我們繼續下鑽網絡圖,發現她的住址下有其他三位同住者,其中一位是她弟弟「小仕」,其在某金融機構上班,而一周前該金融機構有確診案例。

這意味著,小賽與高風險者一同工作、一同居住,她與許多人有社交接觸,且她所在安養機構傳播風險相當高,如果不慎,後果不堪設想。(延伸閱讀|「全美最佳醫院」如何用AI超前部署?|SAS專欄

打造AI關聯網絡分析,協助疫調人員更快速找到高風險者,確認優先追蹤等級。打造AI關聯網絡分析,協助疫調人員更快速找到高風險者,確認優先追蹤等級。圖片來源:2020 SAS Global Forum

過往的疫調流程,可能會先關注小仕;經過層層擴散,數天或數週後,疫調人員才會關注到小賽。但只要幾秒,人工智慧便能建立關聯網絡並自動預警的流程(註1),使有限的疫調人力追上病源,針對患病風險最高的接觸者、可能的超級傳播者,可能的無症狀感染者,即刻採取行動。

同時,隨著接觸者追蹤資料不斷匯入系統讓AI學習後,也能找出未知或缺失的連結,進一步再架起防護陣線。要大規模因應並對抗疫情,打造自動化調查關聯網絡,是相當關鍵的能力。

電信公司分析地理位置,提供防疫對策

舉例來說,亞洲某大電信業者於新冠肺炎發生後,攜手SAS利用群體的行動通訊及基地台資料(註2),打造整合地理位置分析的視覺化平台,分析大規模人口移動的數據,提供政府防疫政策的科學基礎。

整合巨量的人口移動資料與疫情資訊,做出視覺化分析,可協助公衛決策者一目瞭然重要資訊。整合巨量的人口移動資料與疫情資訊,做出視覺化分析,可協助公衛決策者一目瞭然重要資訊。圖片來源:2020 SAS Global Forum

如圖所示,該電信業者將確診案例分佈,及全國家每月約4,000萬次的移動資料量,如人群平均移動距離、移動方式,目標地點與方向等,整合在地圖上,觀察3、4月間首都和周邊地區的狀況。

結果發現,出現確診病例的地點(紅色),與綜合傳播速度指標高的地點(藍色),呈現南北向廊道的城市,剛好和鐵路與高速公路等主要交通要道重疊。進一步探鑽案例較多的社區,發現可定義出非高確診數、卻有高風險傳播潛力的地點,如每日往返大型科技園區的要塞等。

這些預測模型,比對後續月份的確診數,證實準確度達94到97%。

這些重要預警指標,可協助政府機關瞭解疫情潛在傳播方向,及時提出管控大眾運輸和社區居家防疫的政策;而針對即將進入疫情傳播高峰的城市,則可超前部署醫療資源。下一步還能評估哪些地區疫情將趨緩,可從居家防疫限制解封,降低對地方經濟的衝擊。

視覺化地理位置分析的技術,讓公衛決策者能層層了解正在發生的事件及檢視所有資料,進而在短時間內橫向連結各機關做出回應,發揮指揮體系效率。

公衛決策講求精準與效率,導入新科技,能讓接觸者追蹤與地理位置分析等人工作業,變得更「智慧」。目前看來,這場「戰疫」短期內不會結束,擁抱世界之前,台灣的疫調流程、政府指揮系統,需要部署地更完備。

註1:更多疫調應用說明,請詳見SAS 2020 Global Forum《接觸者追蹤,政府部門如何採用更智能的疫調方法?
註2:此專案使用的資料,並無追蹤或定位特定個人,僅為大規模人口彙總式分析

其他人也在看

你可能有興趣

影音推薦

#廣編企劃|【2023 天下城市高峰論壇 #9】新竹市交通處長 倪茂榮:改善交通,必須先做出優良示範道路|天下雜誌✕未來城市

已成功複製連結