【本報台北訊】全世界新冠病毒確診已逼近3300萬人，世界各國累積了可觀的大數據，加上現在人工智慧正是顯學，世界各國透過機器學習發展新冠病毒的分類因子、預測模型，得到不少可觀的成果。包括，新冠病毒打開細胞的鑰匙ACE2有種族差異、新冠病毒感染若3種免疫反應都持續活化就會重症、人工智慧可在10天前就能預測患者死亡，準確度高達9成。

台灣大學流行病學與預防醫學研究所教授陳秀熙，今持續召開防疫說明會直播，邀集多位台大公衛學院博士，以及專長於生物統計的北醫口腔衛生學系教授嚴明芳，接力上陣，完整報告新冠病毒人工智慧相關研究的各個面向。

陳秀熙表示，新冠病毒引起的免疫反應、臨床症狀到現在都還有很多需要釐清之處，人工智慧大資料的優勢就是速度，可以節省很多時間，對於科學家和臨床醫學家追求即時的成效，是很重要的助力，特別是全球疫情快速新增，透過人工智慧準確辨識重症相關風險因子、歸納適當的治療，甚至也有助於疫苗和檢驗技術的突破。

台大公衛博士古玫生表示，新冠病毒感染後之免疫反應，在不同嚴重度的病人可以看到差異，耶魯大學團隊追蹤後發現，其免疫反應可以分為3類，在不嚴重個案。第一、三型免疫反應會下降，但在嚴重個案，這3種免疫反應皆持續高度反應。另外，有中國大陸研究發現，利用3種免疫反應因子發展預測模型，可精確區辨無症狀個案，準度接近百分百，這項技術將有助於解決無症狀者成為傳染源的問題。


圖說：世界各國透過機器學習發展新冠病毒的分類因子、預測模型，也得到不少可觀的成果。圖╱資料照片

台大公衛博士蕭國惠表示，新冠病毒藉由ACE2這個蛋白質進入細胞、造成感染，有研究利用基因資料庫分析，發限不同種族擁有不同的ACE2，且已有32個相關的基因變異，近一步分析發現，想了解ACE2在東亞族群有較多的等位基因數量，歐洲則較少，所以不同族群對於新冠病毒的感染或免疫反應可能有所不同。另有研究經由機器學習，用蛋白質體及代謝質體資料來辨識疾病嚴重度，成功辨識的機率高達70％以上。

嚴明芳表示，大流行時有大量病患，若能盡早分類，就可以將醫療資源及早投入較嚴重的病人。嚴明芳的學生王威淳表示，英國利用人工類神經網絡創建「入院死亡評分系統」，納入人口學、共病症、抽菸史、入院症狀等因素，找出增加死亡的風險因子及降低風險因子，預測病情惡化準確度達到90.12%。機器學習485名中國大陸武漢患者的血液樣本，所發展的模型預測準確度也很高，10天前預測患者的死亡率有9成準確度。