埃博拉病毒（Ebola)肆虐西非，被世界卫生组织（WTO）视为近代最紧急的“国际公共卫生事件”。从 2014 年 3 月爆发大规模疫情以来，WTO 统计至今已夺走超过 4,000 名生命，而通报遭感染的人数则高达 8,914 人，死亡率高达 7 成，是自 1979 年发现埃博拉病毒以来，死伤人数最严重的一次。
非洲当地政府多缺乏医疗资源，多靠跨国非营利组织、或医疗团体前往救援。世界卫生组织更在近期呼吁，如果疫情再不控制，埃博拉死亡人数可能在短短一周内翻倍上升至一万人，各地医疗团队纷纷进驻西非各国，救援行动如火如荼的进行中。而在救灾行动中，竟也藏了一批科技人员，利用 Big Data 巨量资料分析工具，试图为遏制病情扩散找救星。
电信公司提供通话数据，运用Big Data绘制移动地图
国外媒体 BBC 报导，西非当地多家跨国电信业者，已着手和跨国卫生组织合作，提供非洲当地居民的移动电话通讯资料，透过 Big Data 分析工具，绘制居民的聚落地点和移动地图，预测病毒散布的位置。
▲ 西非多家电信公司加入救灾，提供手机通讯资讯，结合 Big Data 追踪疫情扩散地区。（图片来源：BBC。）
埃博拉病毒扩散方式是透过人与人的直接接触，包括皮肤、粘膜、血液，或甚至是接触病人的衣服、床单等，都可能是埃博拉病毒的传染途径。且发病潜伏期长，许多至北非旅游的世界各国游客，都因此成为带原者，将病毒散布至其他国家，包括德国、美国等地，都已传出埃博拉病史，德国更再日前确定埃博拉首位死亡病例。
为避免带原病人再次将病毒扩散，教育当地大众病毒如何防疫病毒散布，已成为医疗人员最大的挑战。
当地的医疗救助团队透过行动通讯讯号，找到疫情较严重的地区。电信公司提供的发话位址资料，成为判断民众位置的最好资料来源。
非洲手机普及率高，成为追踪疫情的最好资料来源
即使是非洲较贫穷的国家，手机的普及率也十分高。例如西非国家塞内加尔（Senegal）手机用户从 2005 年 150 万用户，激增到 2012 年 1,300 多万。我国外交部资料显示，塞内加尔在 2013 年人口计 1,413 万人，等于几乎人人拥有手机，普及率超过 9 成以上。
在这样高比例的手机普及率下，当地电信公司开始提供匿名的简讯或发话位址。BBC 报导，法国最大电信公司 Orange Telecom 跨国在塞内加尔 Senegal 经营通讯服务，目前已提供 15 万笔匿名电话和简讯记录供瑞典的非营利组织 Flowmider 分析当地的人口居住区和移动轨迹。
非洲政府可再透过数据地图判断最佳设立医疗中心的地点，甚至最安全、有效率的移动路径，并同时可以远离病源。
美国疾病控制与防御中心（ US Centers for Disease Control and Prevention，CDC）在近期也加入分析资料的行列，将资料组织绘制成地图，显示哪几个灾情地区最常透过电话来求救。
如果一个地区紧急通报的电话数增加，正可能是因为当地需要更多的医疗照护资源。
CDC组织也会将数据资料交叉比对非洲当地的人口普查资料，让地图显示资讯更丰富，预测埃博拉病毒可能扩散的地区。
这些运用非洲当地的通讯资料和 Big Data 分析工具所绘制的移动地图，呈现出当地最多人口聚集的地方，也记录了他们的移动距离和轨迹。
西班牙电信 Telefonica 在非洲的分公司也加入此次的救援行动，该公司科技总监 Nuria Oliver 表示：“我们试图帮助政府和相关组织预测疾病如何扩散。在此之前，当地政府只能依靠传闻、地方调查、警察或医院等资料来防御病毒。”
运用通话记录预测疾病扩散轨迹早有前例
而其实早在 2010 年，位在拉丁美洲加勒比海域的海地（Haiti）爆发规模 7.0 大地震后，来自瑞典和美国的学者纷纷在美国组成研究团队，分析当地网络公司 Digicel 所提供的 200 多万通手机通讯资料。
这些资料被用来追踪海地地震灾民的移动状况。也让美国和其他人道组织可以了解地震灾情结束后，大规模爆发的霍乱病情影响范围。
在肯亚也曾有卫生组织搜集 1,500 万笔手机资料来预测疟疾（malaria）的疫情。
资料照护公司 Accenture 管理总监 Frances Dare 表示，Big Data 数据分析是为了要聚集许多不同的资料来源，挖掘（Mining）资料并找出其中的规则与模式（Patterns）。大量的 Big Data 数据资料提出一些有迹可寻的参考指标，让当局和医疗人员下决策，也成为这次埃博拉病毒能否成功遏制的关键科技。
（首图图片来源：BBC）
- Ebola: Can big data analytics help contain its spread?
- Ebola virus disease
