蔓延在非洲剛果共和果的病毒－伊波拉病毒（Ebola）是以伊波拉河命名的，目前致死率高達 50% 以上，而且現在沒有任何有效疫苗，綜合以上兩點，被列為生物性危害第四級病毒，甚至視為生物恐怖主義的工具之一。當威脅性如此高的病毒開始散佈，不用花多少時間，要是稍微慢了點意識到它的侵襲，人類就要付出慘重的代價；因此要花時間花心力研究這個病毒是怎麼爆發的，還好，有了科技的進步，機器也變得更聰明了。
在世界衛生組織宣布非洲伊波拉病毒爆發的前九天，演算法已經有辦法演算出它的出現了，搶先在人類之前。HealthMap，一個由波士頓兒童醫院開發出來，以資料驅動為基礎的地圖投影工具，在挖掘數千個以網頁為基礎的資料來源之後，偵測到一個「神秘的出血性發燒」。
共同創辦人 Clark Freifeld 說，操作 HealthMap 的時間已經超過八年了，而最重要的，就是讓 HealthMap 一直獲得利用網路 = 搜尋到大量的公開事件資料，換句話說，就是一直保持資料的豐富性和充足的來源。
追蹤疾病演算法是如何運作的呢？
- 演算的資料來源從哪來？
包括新聞報導、社交媒體、國際衛生組織、政府官方網站，以及在影響範圍內的衛生照護工作者的個人部落格等等；這個團隊以顧客建立的網路爬蟲（Web Crawler，又稱為網路蜘蛛，是一種『自動化瀏覽網路』的程式，是搜尋引擎的重要組成）阻礙了 RSS Feed（一個個能提供訂閱的網站內容，只要訂閱了一個 Feed，使用者就能即時看到所有此分類的標題，幫助讀者可以快速瀏覽並點選資訊觀看），從來源的內容文字，來分析疾病相關的術語及地理環境的線索。
任何曾經上網的人多少都會認為，大量的網頁訊息有很多都不是我們要的，在搜尋的過程中，或是瀏覽的過程中都是如此，特別是在 Twitter 和部落格上的資訊。為了解決這樣的問題，HealthMap 運用機器學習演算法，把不相關的資訊如 Bieber fever 或是使用感染（infection）及爆發（outbreak）等用詞刪除，這些都不會涉及到實際公共健康事件與議題；也就是說，如果保留這些用詞的話，可能會產生許多不相干的事件，都跟公共健康無關。
「事實上，演算法利用數十萬個先前分析過而被標籤的例子與文章，並且利用它們來找出關鍵字和片語，如此一來，就更能找出和實際事件爆發有高度相關的報導」，Freifeld 解釋，「演算法正不斷地在進步，從我們先前的分析，再透過反饋這樣一再地循環，不斷地從中學習著」。
- 疾病散播的速度很快，但資料更新地更快
還好有這些資料的幫助，疾病傳染的快，資料也能跟的上甚至是超越它，也就是要事先預防，畢竟預防勝於治療！
在 3 月 23 日，當世界衛生組織發布第一篇關於伊波拉病毒感染的報導後，伊波拉病毒變成大眾知識之一。自從 3/23 開始，疑似從幾內亞兩歲大的男童開始，已經擴散到非洲其他國家，1,000 個人已經命喪黃泉了。
就這點來說，即使還沒有被證實是伊波拉病毒，HealthMap 已經抓到病毒蔓延的範圍；就這個案例來說，這個自動化偵測病毒並沒有找出爆發的起源，但是不可否認的是，機器智慧已經達到相當程度的能力了。
除了可以在網路上找到的內容範圍外，Freifeld 相信成本低的網路可用性加上電腦計算資源，HealthMap 能夠壓縮並儲存更多的資料。更確切地來說，即使五年前，這樣的技術還是很難以想像；然而，伴隨著新穎的大數據潮流與機器智能，原本不可能的，都會在不遠的未來實現。
可預見的未來是，即使疾病傳染的快，資料也能跟的上甚至是超越它，畢竟預防勝於治療！
短期來說，HealthMap 的團隊仍專注於增進它演算法的過濾功能，以及不停地增加資料來源，Freifeld 希望任何人，不論在世界的哪個角落，都能重視這件事情，願意提供關於事件最真實的報導。當越多人關注這個議題，越多人投入心力，想改變，變得更好，創造更多的可能性，這是必然的。
（資料來源：FastCompany；圖片來源：FastCompany）
