譯者註:人工智慧及科技防疫絕對是我們目前面臨COVID-19大流行嚴峻的挑戰時最重要的武器。無論在中國、韓國、新加坡或是台灣,都可以看到運用人工智慧、大數據運算和各式app應用程式對控制疫情的效益。本文作者群介紹他們開發的一套app程式,能快速、有效率的進行接觸者追蹤,並根據感染的風險給予防疫的建議。如此可以減少必須大規模封城甚至鎖國帶來的衝擊。

SARS-CoV-2病毒引起的COVID-19疫情造成全球大流行,高死亡率,同時也對醫療衛生系統帶來極大的衝擊。在疫苗上市之前,唯一可用的感染預防方法是隔離病例、追蹤和檢疫接觸者、保持社交距離以及良好的衛生習慣。為了在正確的時間點實施正確的措施,了解傳染的路徑和時間至關重要。

本文作者使用更新的程式並帶入流行病傳播的關鍵參數,來估算不同傳播途徑的影響程度,並找出為了阻斷流行所需要的有效鑑別及追蹤的速度和規模。

首先作者建立了傳染性數學模型以估算基本再生數(基本傳染數)R0,並量化不同傳染路徑的貢獻度。為了參數化該模型,作者分析40對特徵明確的「傳染源-被感染者」,並估算傳染時間(generation times,從感染到繼續傳播的時間)的分佈。傳染時間的中位數為5.0天,標準差為1.9天。根據中國初期流行病學數據,參數中使用的潛伏期(incubation time)中位數為5.2天、流行病倍增時間(epidemic doubling time)為5.0天。

該模型估計在中國此波流行初期的R0 = 2.0。對R0的貢獻包括尚未出現症狀的病例(presymptomatic)有46%、有症狀的病例為38%、完全無症狀的病例為10%,以及經由污染的環境而傳染的為6%。最後兩條路徑的結果是推測性的。 根據這些估計,作者發現單單光是尚未出現症狀的病例就幾乎足以影響流行幅度的增長。

為了估算能成功進行接觸者追蹤的條件,作者指出將R0降低到<1有兩個關鍵參數:需要被隔離的病例數比例和需要被檢疫的接觸者比例。如果用人工手動方式追蹤接觸者,而造成通知時間延遲了3天,則會導致無法控制疫情的散播。但是,如果有足夠多的人口使用追蹤接觸者的手機app應用程式,就可以立即發出通知並足以遏止疫情。

基於上述需求並運用目前先進的科技技術,作者開發出一套app應用程式,可以即時的追蹤接觸者。如果兩支手機都裝置該app,就會紀錄彼此曾經近距離接觸的事件。一旦其中一人被確診COVID-19感染,系統會一方面匿名保護此確診者,同時立即自動通知接觸者他們可能被傳染的風險,並根據風險高低建議接觸者保持社交距離,或是要求他們進行14天的自我隔離。一些實務上及邏輯計算上的因子,例如:使用app的人數、涵蓋率及群體中的R0會決定該app是否能有效控制病毒的散播或是是否需要加入其他防疫措施來降低R0

因為SARS-CoV-2具有高度傳染性,傳播的速度快而且還沒出現症狀的病患就有很高的比例會傳播病毒,所以很難運用人工進行接觸者追踪來控制疫情。如果有夠多的人使用接觸者追踪的應用程式,該app可以自動紀錄人群彼此近距離接觸的事件並立即通知接觸者,如果同時與其他措施(例如:保持距離)結合使用時,就足以阻止流行病的發生。這種作法當然也衍生了一些包括透明度、個資的保護和使用以及與其他國家共享知識的道德問題。這些都需要被仔細監督。

(財團法人國家衛生研究院 齊嘉鈺醫師摘要整理)

Author:Luca Ferretti, Chris Wymant, Michelle Kendall, et al.
原文連結:https://science.sciencemag.org/content/368/6491/eabb6936