《COVID-19 AI》麻省理工學院開發的電腦模型，有助預測各國疫情傳播趨勢
去年 4 月，麻省理工學院 (MIT) 團隊，博士生 Raj Dandekar 與機械工程教授 George Barbastathis 一起利用新冠肺炎大流行數據、並整合機器學習和標準流行病學，開發出新的電腦模型，以幫助預測每個國家的感染速度何時會放緩。
相較於許多學者使用 SARS 及 MERS 時代的資料，研究人員蒐集 4 個地區，包括美國、武漢、南韓和義大利的感染者人數各 500 名，並以這些資料來訓練神經網路，學習在「隔離措施」下，感染者對感染速度的影響，進而發展出預測感染人數的能力。
用於預測疾病傳播的大多數模型都遵循所謂的「SEIR 模型」，該模型將人們分為「易感 (S, susceptible)」、「暴露 (E, expose)」、「感染 (I, infected)」和「康復 (R, recovered)」。利用這套模型，研究小組發現，「隔離措施」和「病毒有效複製量的減緩」，有直接相關性。在像韓國這樣的地方，政府立即採取行動，實施了強而有力的隔離措施、有效地控制了病毒的傳播速度。在義大利和美國等政府干預較慢的地方，SARS-CoV-2 的「有效繁殖數」仍然大於 1，意味著該病毒將繼續呈指數級傳播。(延伸閱讀: 《COVID-19》14 天隔離仍漏診的機率 1.01%? 隔離天數需要更長?)
日前，台灣發生本土感染，草木皆兵。事情發生，各界自然會湧出檢討聲浪，但亡羊補牢，未為遲也，若是政府祭出較嚴格的管制措施或隔離政策，還望全民能夠多加配合，好讓疫情迅速平息、回復我們先前全球稱羨的生活。(延伸閱讀: 《COVID-19》新冠肺炎的預防 : 隔離與解除隔離 如何謹慎應對)
資料來源：MIT、Lecturio Medical Education、疾病管制署
