疫症傳播 有跡可尋

對於傳染度高的疾病,控制疫情的關鍵就是快速追蹤病源。浸大計算機科學系劉際明講座教授及其團隊開發了一套主動監控系統,憑藉機器學習與數據驅動模型,準確預測疾症傳播為決策提供依據。

 

Self Photos / Files - AI Surveillance of Epidemics 1

劉際明教授

 

瘧疾是一種由蚊傳播的傳染病,於東南亞及非洲尤其普遍。根據世界衛生組織數據,2018年全球估計多達2.28億宗瘧疾病例,當中逾40萬人因此死 亡。應世界衛生組織和聯合國的抗擊瘧疾呼籲,中國政府於2010年定下目標,期望於2020年前消除瘧疾。雖然已多年罕有本地傳播個案,但跨境傳入個案未止,尤以與湄公河地區接壤的省份最為普遍。「對於消除傳染病而言,最後一段路往往是最困難的。如果傳入個案未能及時發現,則可能再次出現本地傳播,2020年前消除瘧疾的目標亦將難以實現。」

 

基於社會經濟和生態因素的瘧疾風險評估

為達成消除瘧疾目標,劉教授及其團隊與中國疾病預防控制中心寄生蟲病預防控制所(NIPD)自2011年起合作研究。劉教授表示,了解瘧疾於不同地區的成因是找出解決方案的關鍵。根據疾控人員觀察,雲南大多數感染病例都是經由跨境活動從緬甸輸入。跨境活動增加了追踪疫病傳播工作的難度,而當地位處山區,資源緊絀,醫生及疾控人員亦嚴重匱乏,令瘧疾控制工作挑戰重重。

 

面對上述情況,相對於被動等待感染個案上報,劉教授團隊採取了更積極主動的方法。基於現有資訊,團隊應用數據驅動模型於預測瘧疾傳播。雲南村民之所以前往緬甸,主要原因是希望尋找工作。因此, 跨境與否,很大程度基於社會經濟因素,收入越低、住址與邊界越近,便越可能前往邊界的另一邊找尋工作,感染瘧疾的風險亦隨之而增加。另一方面,瘧疾的傳播與帶有病原的蚊的生命週期相關,其中就涉及多個生態因素,包括降雨量、溫度以及與水源的距離。

 

Self Photos / Files - AI Surveillance of Epidemics 2

瘧疾是一種由蚊傳播的傳染病

 

Self Photos / Files - AI Surveillance of Epidemics 3

劉教授團隊實地考察了解問題所在

 

Self Photos / Files - AI Surveillance of Epidemics 4

雲南的山區地形為資源配置帶來額外困難

 

有效調配資源

透過數據驅動模型分析上述社會經濟與生態因素,團隊成功預測不同村莊的瘧疾傳播風險並根據其高低進行排序。如此,早於疫情爆發之前, 疾病預防控制中心便可以預先調派疾控人員前往高風險村莊,以達防患於未然之效果。劉教授表示,這種被稱為「主動監控」的方法於與湄公河地區接壤的中國山區尤為有效,因為單單雲南的一個城市已達香港面積的五倍甚至更大,而一個城市可能多至兩百多條村落。於如此遼闊的地域,卻只有不到10位疾控人員,因此正確調配人力資源正是控制瘧   疾疫情的關鍵。

 

劉教授謂,過程中最大挑戰是在一開始時,他們必須確定瘧疾於地區傳播的關鍵因素。其團隊一直與疾控人員緊密合作,並藉實地考察了解問題所在。團隊的努力亦得到回報,預測準確性高達九成以上。

Self Photos / Files - AI Surveillance of Epidemics 5

Self Photos / Files - AI Surveillance of Epidemics 6

數據驅動模型基於社會經濟與生態因素,預測不同村莊的瘧疾傳播風險 並根據其高低進行排序

 

拓展至湄公河地區

劉教授的技術成果被應用於雲南騰沖市,該地區的瘧疾疫情由來已久,一直未能根除。基於系統的分析結果,當地政府有針對性的部署疾控措施,並於2016年成為中緬邊境地區第一個成功消滅瘧疾的城市,比國家既定目標提前四年。NIPD與中國疾控中心把相同技術應用於邊境20個城市的瘧疾防治工作。由於效果顯著,該技術榮獲2019年雲南省衞生科技成果獎。劉教授團隊正與NIPD繼續研究計劃,冀能實現全國消除瘧疾的目標。

 

劉教授團隊的下一步是把技術應用拓展至其他受瘧疾困擾且資源匱乏的國家,例如柬埔寨、老撾等湄公河流域及東南亞國家。研究團隊在基於人工智能的瘧疾控制及預防國際研討會上,向世界衛生組織及湄公河流域國家的代表介紹相關技術及成果。世衛認可此技術有助及時評估瘧疾傳播風險,以有效分配資源,並支持疾控人員及前線醫生學習應用。劉教授團隊亦與柬埔寨、不丹與斯里蘭卡的國家級衛生部門開展合作計劃,未來將攜手應對疫情。

 

於湄公河國家之中,柬埔寨的瘧疾疫情是一個尤其嚴重的問題。作為一種有效治療瘧疾的藥物,中國科學家屠呦呦發現的青蒿素一直被各國廣泛應用。但有報導指柬埔寨的瘧疾卻出現青蒿素抗藥性,故形成極大危機。當把人工智能分析技術應用於當地時,劉教授亦留意到,瘧疾傳播的關鍵因素因地而異,例如柬埔寨傳播瘧疾的蚊種就與雲南不同,其棲息地為森林之中而非水源。故此,團隊亦必須使用不同的生態因素進行分析,以配合當地情況。

 

Self Photos / Files - AI Surveillance of Epidemics 7

研究成果於一個國際研討會上,介紹予世衛及其他湄公河流域國家代表

 

Self Photos / Files - AI Surveillance of Epidemics 8

劉教授團隊分析新型肺炎傳播模式

 

揭示新型肺炎傳播模式

中國自2019年底開始爆發新型肺炎疫情,劉教授團隊亦為抗疫貢獻自己的科研成果。在與NIPD及中國科學院合作下, 他帶領團隊利用數據驅動模型描繪及量化新型冠狀病毒於不同群體之間的傳播模式。團隊建立的計算模型可估算每天的實際感染數字,因為根據文獻,新型冠狀病毒的平均潛伏期長達六至七天,故確診病例數字未必能如實反映該時期的情況,相反估算感染數字則更有利疾控部門準確掌握疫情。事後的確診數字亦與模型預測一致,足見其準確度。

 

為分析不同年齡層之間的人際接觸導致的傳播風險,計算模型把人口劃分為七個年齡組別,並考慮四個具代表性的社交接觸環境,即家居、學校、工作地點、以及公共和社區場所。透過建立計算模型,即可描繪出四個社交接觸環境中的不同年齡組別的接觸強度。結果發現,公眾/社區場所與居家場所的年齡層分布較為分散,顯示不同年齡層之間的傳播風險較大。

 

Self Photos / Files - AI Surveillance of Epidemics 9

新型肺炎疫情期間,不少城市實施社交隔離措施,甚至必須封城

 

前瞻不同復工計劃影響

隨着疫情肆虐全球,包括中國在的多個國家俱採取嚴格措施減少社交接觸,何時恢復正常生活頓成疑問。透過運用計算模型分析武漢、北京、天津、杭州、蘇州及深圳等六個地城市(座落於國三大主要經濟區)的情況,審視不同復工計劃對疾病傳播風險,以及當地國增長的影響。上述城巿的確診個案數字、人口及干預措施俱被納入考慮,從而為決策部門提供一種以科學為本的分析工具,為受影響的城巿制訂出安全的回復正常生活方案。

 

是次研究已於醫學期刊《刺針》子刊《EClinicalMedicine》上發表,劉教授亦已向社會公開計算模型及分析工具,以便公共衞生決策者及研究人員利用該工具配合當地的流行病學數據進行分析,應對疫情。