台灣師範大學地球科學系、資訊工程系與台北市立大學衛生福利學系組成跨領域研究團隊，整合全台23年來的氣象、空氣品質及急診就醫資料，成功建立每日心血管疾病急診風險預測模型。（圖／台師大）
台灣師範大學地球科學系、資訊工程系與台北市立大學衛生福利學系組成跨領域研究團隊，整合全台23年來的氣象、空氣品質及急診就醫資料，成功建立每日心血管疾病急診風險預測模型。研究發現，交通污染相關的氮氧化物（NOx）等空氣污染因子，比傳統氣象條件更能有效辨識心血管疾病高風險日，研究成果已於6月12日發表於國際Q1期刊《GeoHealth》。
研究團隊蒐集2000年至2022年間全台環境監測資料，包括溫度、濕度、風速、降雨，以及PM2.5、PM10、臭氧、二氧化硫、氮氧化物等空氣污染數據，並結合衛福部超過500萬筆心血管疾病急診資料，建立184項環境特徵，利用人工智慧分析環境條件與急診風險之間的關聯。
研究發現，環境風險對不同族群的影響並不相同。男性心血管疾病急診人數約為女性的1.7倍；65歲以上族群的急診人數約為50至64歲族群的2.4倍，更超過30至49歲族群的11倍。研究指出，隨著年齡增長，人體調節氣溫變化及抵抗空氣污染的能力下降，因此高齡者是最需要關注的高風險族群。
研究團隊進一步利用機器學習分析184項環境特徵後發現，由空氣污染因子形成的高風險群集，比單純依據氣象條件形成的群集，更能清楚區分高風險日與低風險日。其中，65歲以上長者對環境變化最敏感，其次為50至64歲族群；女性對環境變化的敏感度也略高於男性。
第一作者、台師大資工系助理教授陳翔瀚表示，這項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，人工智慧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，進一步將大量監測資料轉化為可實際應用的健康風險資訊。
北市大衛福系副教授林于凱說，公共衛生研究的未來趨勢，是與地球系統科學及大數據分析的深度結合。這項跨領域合作正走在相關研究的前緣，未來若能進一步整合即時空氣品質監測、氣象預報與健康風險模型，將有機會建立區域性的心血管疾病預警系統，協助高齡者與高風險族群提早採取防護措施，降低急性心血管事件發生的風險。
2026/06/20 17:23
轉載自中時新聞網: https://www.chinatimes.com/realtimenews/20260620002092-260405
Post gallery
