莊坤達/資料科學與防疫應用的結合 : 以登革熱防治為例

1,174 views

Published on

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。

Published in: Data & Analytics

莊坤達/資料科學與防疫應用的結合 : 以登革熱防治為例

  1. 1. 1
  2. 2. Biosketch Current— Past— Synopsys, Inc. (2006-2011) Graduated from NTUEE 2006 Research Interest — Data Mining, Database and Data Management 2
  3. 3. Agenda • • (Data Science for Epidemic Prevention) • • • • 3
  4. 4. My Story 4
  5. 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. 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. 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. 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. 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. 10. Advanced Network Database Lab前瞻網路資料庫實驗室 1010
  11. 11. 11 2015 Tainan Outbreak 防疫顧問團成立
  12. 12. 12
  13. 13. https://www.facebook.com/chinghua.huang.9/media_set?set=a. 1038930549460172.1073741835.100000297104540&type=3 13 Photo Credit: (Dengue Fever)
  14. 14. https://www.facebook.com/chinghua.huang.9/media_set?set=a. 1038930549460172.1073741835.100000297104540&type=3 14 Photo Credit: (Dengue Fever)
  15. 15. https://www.facebook.com/chinghua.huang.9/media_set?set=a. 1038930549460172.1073741835.100000297104540&type=3 15 Photo Credit: (Dengue Fever)
  16. 16. https://www.facebook.com/chinghua.huang.9/media_set?set=a. 1038930549460172.1073741835.100000297104540&type=3 16 Photo Credit: (Dengue Fever)
  17. 17. Research Spectrum @ NCKU 17
  18. 18. 18 18 Challenges in Prevention
  19. 19. Summary Strategies in Epidemiology Vaccination Hospital-side Control (Antibody) Intervention Genetically Modified Mosquitos 19 19
  20. 20. (Data Science for Epidemic Prevention) 20
  21. 21. Data Science to Human Science 21
  22. 22. 22 資料科學 vs. 傳統GIS防疫系統
  23. 23. 23 GIS
  24. 24. 24
  25. 25. ( — — — 2525
  26. 26. 2727
  27. 27. 28 https://whatsthebigdata.com/2016/07/08/the-new-data-scientist-venn-diagram/
  28. 28. 2929
  29. 29. ? ? ? 30
  30. 30. 1. 2. 3. TIME 3 94 7 8 1110 12 1-2 4. 5. 6. 7. 8. • • • GIS • • • • • • GIS • • • GIS • • • • • • • • Ovitrap • • 2015 31
  31. 31. ? 3232
  32. 32. 
 33
  33. 33. • • 9 10 34
  34. 34. 35
  35. 35. • • • • • …. 3636
  36. 36. 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
  37. 37. 38
  38. 38. IT GIS 39
  39. 39. 4040
  40. 40. 41
  41. 41. App Demo 42
  42. 42. 43
  43. 43. ( ) ( ) ( ) ( ) ( ) 44
  44. 44. ( ) ( ) ( ) ( ) ( ) ( ) 45
  45. 45. 46 twitter @hosimaki ??
  46. 46. - + 47
  47. 47. 48
  48. 48. 4949
  49. 49. 5050 Google Analytics ?
  50. 50. 5151
  51. 51. 52 Data Science for Epidemic Computing 52
  52. 52. http://showbar.ctitv.com.tw/v/video/ vcecddo201509081417305562.htm 53 53
  53. 53. http://udn.com/news/story/8504/1223693- - 54 54
  54. 54. 5555
  55. 55. https://www.facebook.com/chinghua.huang.9/media_set?set=a. 1038930549460172.1073741835.100000297104540&type=3 56
  56. 56. Epidemic struck Solution 1 Under normal circumstances Resource Allocation 57 57
  57. 57. 58 Epidemic struck Solution 2 Under normal circumstances Temporal Medical Stations 58
  58. 58. … 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
  59. 59. • k: # of temporary medical stations 60 60
  60. 60. 6161
  61. 61. 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
  62. 62. Acknowledgement 63

×