用空氣品質預測疫情潛伏!資工系賀耀華打造AI預警系統 守護校園與長照機構健康
114年08月09日
新冠疫情從未遠離,流感病毒也如影隨形,如何提前預防呼吸道傳染病,是國人一大挑戰。國立臺灣師範大學資訊工程學系教授賀耀華率研究團隊,開發出一套能「嗅出」疫情徵兆的AI空氣監測系統,透過分析空氣中的溫濕度、懸浮微粒與二氧化碳濃度,成功在教室、長照中心等密閉空間預測出可能的群聚感染風險,有效預防感染大爆發。 賀耀華與中研院資訊科學研究陳伶志博士合作開發「空氣盒子」,以感測室外空氣品質為主,此次受疾管署委託執行「建置室內環境感測監控系統以輔助呼吸道傳染病防治」研究,將概念延伸至室內,探討空氣與病毒傳播的關聯。 過去研究多聚焦區域性空氣品質與慢性疾病的關聯,但對短期高傳染性呼吸道疾病的預測有限。賀耀華表示,室內空氣品質量測,能忠實反映室內空氣的流動與室內外空氣的循環效果,藉由科學化證據,降低疫情散播風險。尤其在COVID-19疫情期間,更應聚焦改善室內空氣品質的重要性,若能分析室內空氣品質數據,建立能提前預測疾病發生風險的方法,將有效降低感染可能。 為了有策略的室內布建與感測結果的即時分析,研究團隊開發微型的室內空品感測裝置,提供智慧疫情監測使用,更引入最新的低功率廣域網路技術,降低系統建置與維運的成本,並且設計一系列的視覺化介面與聊天機器人介面,從使用者觀點出發,量身定做貼心且高可接受度的資訊傳遞平台。 研究期間,實驗場域遍及全台多所學校、長照機構與公共空間,部署超過300台監測設備。實驗初期多在長照機構進行,但疫情爆發後進出受限,團隊便轉向校園,並以臺師大林口校區的僑生先修部為核心測試基地,藉由掌握學生請防疫假或病假的紀錄,對照當日空氣變化數據,訓練AI模型辨識出「生病前兆」的空氣特徵。透過推估潛伏期與疾病傳染指數(如R0值),建立預測機制。 「我們發現空氣中的CO2濃度、PM2.5數值、溫度、濕度,甚至打噴嚏所產生的飛沫懸浮粒子,和呼吸道疾病的傳播其實有密切關聯。」賀耀華說,團隊藉由感測器收集空氣數據,並搭配AI模型分析,一旦偵測到異常變化,就能預警校園或機構可能爆發疫情。但他強調,該研究並非去偵測空氣中是否有COVID病毒,而是分析異常空氣數據與疾病爆發的關聯性。 圖:室內空氣品質感測器剖面 除此之外,研究團隊提出「Classroom respiratory disease occurrence prediction method based on indoor air-quality data (CROP-IAQ)」方法和預測系統,能根據教室的空氣品質數據(如二氧化碳濃度、PM2.5濃度等),提前預測疾病爆發的可能性。 實驗結果顯示,若將「Inception模型」的人工智慧技術,搭配特別的強化模塊(SE模塊),能達到72%的準確率和76%的敏感度,比其他模型表現更好,顯示該架構具備預測呼吸道疾病爆發風險的防疫價值,適合應用於早期預警或風險評估系統。 研究過程也曾面臨不少挑戰。賀耀華表示,首先是數據不平衡問題,疫情期間多數時間為「無人感染」的正常狀態,模型若未平衡資料,容易高估準確率卻失去預測力。此外,校園活動頻繁,學生進出教室快速,造成空氣品質劇烈變動。第三則是疾病紀錄不足,由於無法取得實際病例資料,只能用請假紀錄與潛伏期推算,搭配疫情特性建立模型。 這套系統實際應用後,也曾在部分長照中心成功預警潛在感染風險,讓單位及早採取隔離、快篩等措施,避免群聚。但成功抑止感染的背後有太多因素,預警系統僅是其中之一,又因「成功防堵」而無法證明其效益,這讓賀耀華苦笑。 儘管如此,團隊仍持續進行優化與延伸應用,藉由預警系統,能讓相關單位改善動態通風策略,例如根據CO2濃度變化啟動機械通風,降低污染物累積,並且能採取早期隔離措施,減少群聚感染擴散。相較於全面升級通風系統,該方法提供針對性預警,有效降低公共衛生管理成本。 談及進階研究方向,賀耀華表示,研究團隊將整合多元數據,包含納入學生出勤記錄、病毒即時檢測數據,強化預測時效性。另將模型輕量化,開發邊緣運算架構,實現即時空氣品質監測與風險預警。除了校園、長照機構,未來也將實驗場域擴展至辦公室、醫院等密閉空間,評估模型泛用性,並結合室內空氣品質標準與公共衛生政策,建立動態預警指引。 (採訪撰文 | 由本校公共事務中心提供)。 原文出處:Li, P. E., & Ho, Y. H. (2025). Predicting the Occurrence of Respiratory Diseases Based on Campus Indoor Air Quality. ACM Transactions on Intelligent Systems and Technology, 16(2), Article 39. (Impact Factor 7.2, and Q1 on both "COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE" and "COMPUTER SCIENCE, INFORMATION SYSTEMS") https://doi.org/10.1145/3709008