資料創新應用 如何發揮在防疫？
背景圖片圖／Unsplash
背景圖片
移民署提供出入境名單資料給健保局，讓醫療院所可在「健保雲端系統」查詢看診者的旅遊史。圖／本報資料照片
「WaCare我的健康社羣」平臺，集結150位醫療專家在線上提供防疫相關知識影片、回答民衆提問。圖／截自官網
新型冠狀病毒（COVID-19）疫情從2020年初延燒至今，考驗各國政府及企業的應變能力。資料應用在疫情發生的前、中、後期，如疫情追蹤、影響預測、資訊流通平臺等扮演要角。
前期：事件預測，爭取應變時間
若能及早掌握疾病出現的徵兆，就能及早規劃防疫措施，如疫苗開發、高風險羣衆警示等。因此，如加拿大新創公司BlueDot、波士頓兒童醫院附屬機構HealthMap等公司，運用自然語言處理等AI技術，自動搜尋數據、分析過濾，並於2019年末發佈疫情預測。
然而，採用AI預測傳染病並非首例，Google在2008年所建立的Flu Trends網站，即透過超過百萬用戶在流感症狀的搜尋模式及健康追蹤，提供流行性疾病擴散的評估，但在2013年因預測大幅失準而悄然退場，一般認爲，預測失準的關鍵在於，用戶受到新聞報導偏向流感、大衆因爲流感而增加健康狀況的查詢，影響了預測準確度。
爲求有效預測，各家業者作法不一，如BlueDot在進行疫情擴散預測時，避開社羣貼文，而是尋求其他關鍵數據如機票航班，並經過流行疾病學家判斷後發佈預測。與BlueDot相反，HealthMap透過醫生所提供的訊息篩選社羣媒體，針對潛在病例區域，搜尋並過濾、分析提及呼吸道疾病或發燒等關鍵字的貼文，以識別出新型病毒的出現和疫情發展徵兆。
爲確保落實隔離政策、防堵疫情擴散，部分國家採取電子監控模式，以GPS追蹤隔離者，並搭配定時或不定時的電話確認或實際訪查。然而，隨着疫情逐漸擴散，如韓國目前已超過3萬人自主隔離，對防疫實際訪查形成巨大負荷。
爲減輕防疫工作負擔，香港業者開發「隔離易」APP（右圖，截自官網），不需搭配特定硬體，即可安裝於隔離者的手機上使用，以WiFi、藍芽、GPS等訊號強弱，判斷手機所在位置是否變動，並請隔離者念出特定文字以聲紋認證爲本人，不須採集隔離者所在位置資訊，還可透過匿名及設定內容追蹤限制，降低個資外泄風險。
另一方面，爲了讓民衆確認是否需要自主隔離，或是避免在近期內造訪特定地點，民間推出確診者的足跡地圖，如韓國「Corona 100m」APP、臺灣「新冠肺炎歷史軌跡比對」網站，然而這類型服務，必須提供個人定位資訊才能比對足跡，考量對隱私權的保護，適合在用戶端處理、不宜上傳雲端，如臺灣線上社羣「g0v」所開發的「新冠肺炎歷史軌跡比對」網站，雖然會採用手機的定位紀錄，但透過SpaceTime雜湊（hash）演算法，將資料在本地端處理、分析，以提高資料處理的安全性，並提供Github開放原始碼讓各界檢驗。
中後期：資訊流通，降低感染風險
在民衆防疫意識已提高的中後期，疫情資訊的快速流通，包括疫情演變的狀況、防疫物資的存量等，成爲全民防疫重點，新創業者構思網路採用美國約翰霍普金斯大學的數據，推出疫情聊天機器人，免費提供民衆查訊全球疫情數據、即時新聞、口罩庫存、防疫諮詢等，而正確的衛教資訊也能達到鎮定人心的效果，如「WaCare我的健康社羣」平臺，集結150位醫療專家在線上提供防疫相關知識影片、回答民衆提問，以傳遞正確防疫資訊。
觀察上述資料應用的開發流程，數據取得、處理、公開及應用，機密敏感個資的處理和匿名化數據分析，爲城市治理應用發展關鍵。在數據取得方面，應建立數據應用和管理規範，韓國針對防疫工作，修訂《傳染病防治法》授權防疫單位取得感染患者資訊，加拿大安大略省則有FIPPA隱私法，由隱私權辦公室監管資料使用流程，如交通局Metrolinx向多倫多衛生局提供確診者的Presto交通卡紀錄，須通報安大略省隱私委員會。
在資料處理方面，個人隱私如人臉影像、車牌號碼、GPS定位等，可採用邊緣運算以當地的伺服器處理這類資料，並先行過濾、匿名化或加密處理。
此外，可被驗證的數據來源與處理方法，可讓使用者安心，降低個人資料外流疑慮，如「新冠肺炎歷史軌跡比對」網站開放原始碼供大衆檢驗，同時也能建立大衆對AI預測結果的信心，又如BlueDot採用機票資訊做爲關鍵資訊分析，HealthMap根據醫生提供的訊息篩選社羣媒體中的關鍵數據。
最後在公開資料方面，目前AI已能進行匿名化資料分析，如臺北市交通局採用低解析度的道路和車輛影像，進行車流量和事故預測，透過已匿名處理的資料、或是將資料分級，規範不同應用的取用權限或使用方式，可兼顧防疫及隱私保障，臺灣移民署提供出入境名單資料給健保局，讓醫療院所可在「健保雲端系統」查詢看診者的旅遊史，並協助通報，達到防範疫情目的。