在民主剛果（Democratic Republic of the Congo，簡稱DRC）爆發史上第二大規模的伊波拉（Ebola）疫情之際，美國東北大學（Northeastern University）的研究團隊透過分析手機電信移動數據，成功開發出能預測病毒傳播路徑的模擬模型，為全球公衛防疫帶來突破性的科技應用。
大數據與行動軌跡的結合
這起自 2026 年 5 月 15 日宣布爆發的疫情，截至 11 月已造成 5,323 人死亡、超過 10,920 起確診病例。面對武裝衝突限制救援管道以及檢測失誤等多重困境，防疫團隊長期處於被動追趕病毒的劣勢。
為了扭轉局勢，東北大學公衛與健康科學教授兼實驗性人工智慧研究所執行長薩繆爾・史卡平諾（Samuel Scarpino）率領研究團隊，在 11 月 12 日發布於同行評審學術期刊《科學》（Science）的論文中，發表了這項創新的疫情預測模型。
破解移動模式：距離不等於傳播風險
研究團隊利用行動數據分析領導者 FlowMinder 所提供的聚合移動數據，追蹤來自三個疫情中心的民眾在 4 月 24 日至 5 月 24 日之間的移動軌跡。這些數據隱去了個人隱私，專注於不同健康區（health zones）之間的整體人口流動狀況。
過去防疫人員常直覺認為，距離疫情熱點越近的地方風險越高。然而，研究結果顯示，實際的移動人口數量與交通時間才是決定病毒擴散的關鍵。舉例來說，兩個距離疫情中心同樣為 30 英里（約 48 公里）的社區，若其中一個有完善道路供通勤與採買，另一個則需耗費數小時跋涉，前者的病毒傳播機會顯然高出許多。
從產業面來看，當公衛防疫結合大數據分析時，我們看到的不再只是冰冷的確診數字，而是人類動態的社會網路。這項研究證明了電信數據在傳染病防治中的巨大價值，換個角度想，未來的防疫前線將不再只是醫護人員與病毒的對抗，更是科技、在地經驗與時間的賽跑。對一般人來說，這也提醒我們，現代社會的高流動性正是病毒擴散的最佳溫床。
在地化合作與防疫資源的最佳配置
透過將手機數據導入模擬模型，研究團隊得以在官方檢測結果出爐前，提前預測新病例可能出現的地點，進而引導衛生官員精準投放檢測資源與疫苗試驗。
聯合國兒童基金會（UNICEF）駐肯亞奈洛比公衛專家勞爾・卡馬傑烏（Raoul Kamadjeu）指出，這類移動數據已實際應用於高風險地區的備災工作。國際救援委員會（International Rescue Committee）資深緊急衛生技術顧問瑞秋・霍華德（Rachel Howard）也強調，數據無法取代在地知識，結合剛果公衛專家的實務經驗，才是確保防疫策略成功落地的關鍵。
前瞻與挑戰：迎向防疫新典範
這項跨國研究成功將學者、當地領袖與國際應變團隊凝聚在一起，由疫情受害國主導國際聯盟的合作模式，為全球公衛領域樹立了全新的典範。未來，隨著即時數據儀表板的普及與移動分析技術的成熟，全球衛生體系將更有能力在致命疫情爆發時搶先一步，化被動守勢為主動預防。
面對日益複雜的全球衛生挑戰，善用科技工具與在地經驗的結合，將是人類對抗重大傳染病的最強防線。我們每個人在日常生活中的每一次移動，都可能成為防疫體系中的一個重要節點，唯有保持警覺並支持科學防疫，才能真正守住公共健康的底線。
本文改寫整理自公開新聞來源，原始報導由Medical Xpress發布。
常見問題 FAQ
這項伊波拉疫情預測模型是如何運作的？
研究團隊利用 FlowMinder 提供的行動數據，追蹤民主剛果不同健康區之間的人口移動模式，結合地理距離、交通時間與實際訪客數量，建立出能預測新病例可能出現地點的模擬模型。
為什麼手機移動數據比單純的地理距離更能預測疫情？
因為實際的交通便利性與人口流動量（如工作通勤或採買頻率）會直接影響人際接觸機會。即使兩社區距離疫情中心一樣遠，交通便利、訪客較多的地區仍具備更高的病毒傳播風險。
這項研究對未來的防疫工作有何實際幫助？
這項模型能讓公衛團隊在檢測結果出爐前，提前預測疫情擴散方向，從而精準分配檢測工具、疫苗試驗與醫療資源，並結合當地專家的實務經驗，提升整體應變效率。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
