傳染病的防治是人類社會一直以來的挑戰課題。在台灣，每年幾乎都會面臨腸病毒，登革熱，流感等人群擴散性高的傳染疫病所帶來的社會，經濟上的損失。在本次演講中，我們將討論 2015 年，在台南市面對嚴峻登革熱爆發時，所面臨的醫療問題，政府信任度，及防疫手段上，所遭遇的問題。以及分享在決策層面上，如何透過資料分析的導入，以科學性的探討，協助控制疫情的故事。也將分享並提出資料科學能在防疫問題上的幫忙及未來規劃。

1. 1

2. Biosketch
Current—
Past—
Synopsys, Inc. (2006-2011)
Graduated from NTUEE 2006
Research Interest —
Data Mining, Database and Data Management
2

3. Agenda
•
• (Data Science for Epidemic Prevention)
•
•
•
•
3

4. My Story
4

5. Advanced Network Database Lab前瞻網路資料庫實驗室
• 我的認知 (Before 2015)
– 新聞講得很嚴重,所以應該很恐怖
– 但好像也沒很恐怖, 隔壁的阿伯還穿汗衫在
公園打球,我媽說不要自己嚇自己
– 沒錯, 我就是
5
我與登革熱
不熟
5
5

6. Advanced Network Database Lab前瞻網路資料庫實驗室
• 有一天
• 很不幸
6
我與登革熱
6

7. Advanced Network Database Lab前瞻網路資料庫實驗室
• 怎麼辦??
• 我以為Google大神會告訴我
– 你完蛋了, 你住家附近是重災區, 你
應該去快篩
– 安心去睡覺~
7
我與登革熱
7

8. Advanced Network Database Lab前瞻網路資料庫實驗室 8
身為 我們自己造一個
8

9. Advanced Network Database Lab前瞻網路資料庫實驗室 9
–
http://real.taiwanstat.com/dengue-spatial-temporal/
9
150

10. Advanced Network Database Lab前瞻網路資料庫實驗室 1010

11. 11
2015 Tainan Outbreak
防疫顧問團成立

12. 12

13. https://www.facebook.com/chinghua.huang.9/media_set?set=a.
1038930549460172.1073741835.100000297104540&type=3
13
Photo Credit:
(Dengue Fever)

14. https://www.facebook.com/chinghua.huang.9/media_set?set=a.
1038930549460172.1073741835.100000297104540&type=3
14
Photo Credit:
(Dengue Fever)

15. https://www.facebook.com/chinghua.huang.9/media_set?set=a.
1038930549460172.1073741835.100000297104540&type=3
15
Photo Credit:
(Dengue Fever)

16. https://www.facebook.com/chinghua.huang.9/media_set?set=a.
1038930549460172.1073741835.100000297104540&type=3
16
Photo Credit:
(Dengue Fever)

17. Research Spectrum @ NCKU
17

18. 18
18
Challenges in Prevention

19. Summary
Strategies in Epidemiology
Vaccination
Hospital-side Control (Antibody)
Intervention
Genetically Modified Mosquitos
19
19

20. (Data Science for Epidemic Prevention)
20

21. Data Science to
Human Science
21

22. 22
資料科學
vs.
傳統GIS防疫系統

23. 23
GIS

24. 24

25. (
— — —
2525

27. 2727

28. 28
https://whatsthebigdata.com/2016/07/08/the-new-data-scientist-venn-diagram/

29. 2929

30. ?
?
?
30

31. 1. 2. 3.
TIME
3 94 7 8 1110 12 1-2
4.
5.
6.
7. 8.
•
•
• GIS
•
•
•
•
•
• GIS
•
•
• GIS
•
•
•
•
•
• •
• Ovitrap
•
•
2015
31

32. ?
3232

33.
33

34. •
• 9
10
34

35. 35

36. •
•
•
•
• ….
3636

37. 防治規劃從
多天減少為
1天
小區域熱區
打擊
熱區偵測與
追踪
3737

38. 38

39. IT
GIS
39

40. 4040

41. 41

42. App Demo
42

43. 43

44. ( )
( ) ( )
( )
( )
44

45. (
)
( )
( )
( )
( )
( )
45

46. 46
twitter @hosimaki
??

47. -
+
47

48. 48

49. 4949

50. 5050
Google Analytics
?

51. 5151

52. 52
Data Science for Epidemic Computing
52

53. http://showbar.ctitv.com.tw/v/video/
vcecddo201509081417305562.htm
53
53

54. http://udn.com/news/story/8504/1223693- -
54
54

55. 5555

56. https://www.facebook.com/chinghua.huang.9/media_set?set=a.
1038930549460172.1073741835.100000297104540&type=3
56

57. Epidemic struck
Solution 1
Under normal circumstances
Resource Allocation
57
57

58. 58
Epidemic struck
Solution 2
Under normal circumstances
Temporal Medical Stations
58

59. …
Patients
Hospitals
Resource
Selection Temporal Medical Locations
Resource Allocation
Patient Preferences
59
Perfect Service: the number of patients that do not need to wait for the beds
59

60. • k: # of temporary medical stations
60
60

61. 6161

62. 62
den
deng
te60
k0 20 12
k1 18 12
k2 20 10
k3 18 10
k4 14 10
den dengt
e60
p0 13 4
p1 14 6
p2 8 3
p3 6 1
p4 1 0
Green: 2015 intervention in 9/14~9/15
Gray: Top-5 results of our system.
6262

63. Acknowledgement
63