新加坡南洋理工大學的科學家團隊研發了一套電腦模型，可以準確預測出新冠病毒確診人數與死亡病例，並預先建議有效的防疫措施，協助政府避免病例暴增。
計算機模型監測數據
9月15號，南洋理工大學的科學家們開發了一款能預測新冠病毒感染與死亡數據的計算機模型。在監測之下，團隊發現數據結果建議的措施平均能預防 72％的確診人數與死亡病例。
左起助理教授Yan Zhenzhen、助理教授Zhang Limao
教授May O. Lwin
土木環境工程學院的助理教授Zhang Limao在線上記者會上說，該智能策略的投用可以在所研究的國家中將新冠感染和死亡人數減少59%至89%。
它對來自四個亞洲大國在2020年的真實疫情數據進行了測試，輸入數據後只需幾分鐘即可生成結果。該模型需要至少三天的歷史數據才能做出預測，如果有更多的歷史數據可用，模型可以更準確。
圖源：newyorker.com
研究團隊利用計算機技術建立這個模型，不斷輸入世界各地去年冠病確診人數與死亡數據，讓系統更加熟悉全球疫情的變化，以達到監測效率最大化。
全球化數據研究
該研究充分體現了全球化數據共享的特點，團隊使用的資料庫來自：約翰霍普金斯大學、世界空氣品質指數環境數據、牛津大學的政府反應追蹤庫，以及谷歌的社區移動報告。
英國就診人數激增 圖源：newscientist
建立模型後，研究團隊還用了日本、韓國、巴基斯坦與尼泊爾去年一整年的冠病數據來測試模型，讓電腦建議何時實行居家隔離、保持社交距離，以及使用個人保護裝備等防疫措施。
測試發現，如果按電腦的建議執行，日本的確診人數與死亡病例可減少76％，韓國減少65％，巴基斯坦減少59％，尼泊爾減少89％。
韓國防疫現場 圖源：bookings.edu
帶領這項研究的Zhang Limao教授說：「從過去數據中發現的關鍵信息可以在需要控制危機時，用來提早報告給政府，讓他們做好準備和預防措施，加強當今社會對危機適應能力。」
監測也證實電腦模型有95％的可信度準確以預測每天的新增與死亡病例。這項研究上個月刊登於經業界評審的科學期刊《可持續城市與社會》。
助力發展中國家
該研究的聯合著者，同時也是Wee Kim Wee 傳播與信息學院院長May O. Lwin 教授說：「我們希望該模型計劃在信息技術相對落後國家起到作用，因為他們在醫療和經濟方面面臨著更大的挑戰」。
體感檢測 圖源：ST
Lwin 教授表示，一些發展中國家可能沒有足夠的實時數據饋送能力，甚至仍在用手寫的方式記錄數據，信息傳遞的速度太慢，無法預測疫情的發展，並且經常對病例和死亡人數的急劇增加感到意外。
而該模型將幫助提前一到兩周進行預測，團隊計劃在模型中引入更多變量，例如疫苗接種、病床餘量、經濟狀況和文化差異，以進一步提高其準確性。
人工記錄 圖源：mitnews
科學家們正在尋求通過納入來自歐洲和北美國家的數據來驗證其功效，從而深入了解疫情在不同地區的演變。在未來，該模型將可能成為長期應對新冠疫情的一部分，用於應對潛在的危機和爆發。
以上就是關於NTU最新研究的監測模型，其追蹤新冠數據的功能將協助應對疫情，在全球的防疫道路上發揮進一步的積極作用，也希望新加坡的情況能逐漸好轉。
參考文獻：
1. Discovering optimal strategies for mitigating COVID-19spread using machine learning: Experience from Asia.
2. NTU media release: NTU Singapore scientists develop 『optimal strategies』 computer model that could significantly reduce future COVID-19 infections and deaths
