廣告
台師大地科、資工與公衛跨域研究 用AI打造空污疾病風險預測
【記者王良博／台北報導】台師大地科系、資工系，與北市大衛生福利學系組成研究團隊，用台灣23年來氣象、空氣品質與就醫資料搭配AI協助，成功建立每日心血管疾病急診風險預測模型，若未來能結合即時氣象與空氣品質監測資料，有機會發展區域化健康預警系統，在高風險天氣來臨前，提醒脆弱族群採取防護。
台師大今（20）日發布新聞稿，介紹這項研究成果，此一研究成果近日發表在國際期刊《GeoHealth》，研究除了成功建立每日心血管疾病急診風險預測模型，還發現空氣污染因子，特別是氮氧化物（NOx），比傳統氣象因子，更能有效辨識高風險日。
台師大說明，研究團隊蒐集2000至2022年間，全台超過23年的環境監測資料，包含溫度、濕度、風速、降雨、PM₂.₅ 、PM₁₀ 、CO 、NO 、NO₂ 、NOx 、O₃ 、SO₂，以及超過500萬筆心血管疾病急診資料，建立184項環境特徵，並利用AI分析環境條件與每日急診風險之間的關係。
台師大說，研究團隊分析不同性別、年齡與地區族群的急性心血管疾病就診特徵，發現環境風險並非平均影響所有人，而是存在明顯的脆弱族群差異。
在性別方面，男性急性心血管疾病就診率約為女性的1.7倍，年齡則呈現更明顯的差異，65歲以上族群的急性心血管約為50至64歲族群的2.4倍，更是30至49歲族群的11倍以上。
另外，台師大提到，研究團隊進一步利用非監督式機器學習方法，分析184項環境特徵，發現空氣污染因子所形成的高風險群集，比單純依據氣象條件所形成的群集更能區分高風險與低風險日。
其中，65歲以上族群對環境變化最為敏感，其次為50至64歲族群，女性族群所呈現的環境敏感度也略高於男性，顯示高齡社會下，應特別關注高齡人口面臨的空氣污染暴露問題。
至於預測模型方面，台師大指出，研究團隊比較了8種AI方法，發現65歲以上族群的預測效果最高，環境因子對高齡族群急診風險，具有相當穩定的解釋能力，透過預測模型也發現，NOx、NO與NO₂等交通相關污染物，以及風速等大氣擴散條件，是影響急診風險最重要的環境指標。
台師大說，若未來能進一步結合即時氣象與空氣品質監測資料，將有機會發展區域化健康預警系統，在高風險天氣來臨前，提前提醒高齡者等脆弱族群採取防護措施。
此一研究的第一作者、台師大資工系助理教授陳翔瀚表示，此研究最大的挑戰在於如何整合長達23年的氣象、空氣品質與健康資料，並從184項環境特徵中找出真正具有預測能力的訊號，研究結果顯示，AI不僅能提升疾病預測能力，更能協助科學家理解哪些環境因子最值得關注。
