講者：劉定萍(前衛福部疾病管制署疫情中心主任、國立臺灣大學流預所兼任副教授)

地點：國立臺灣大學 理學院思亮館1樓

演講影片(請點選) 

內容摘要：

數理模型作為「可操作的決策工具」：從監測、評估到溝通

劉定萍教授以在疾管署的實務經驗說明：防疫決策需歷經監測（surveillance）、風險評估、風險管理與風險溝通等環節，數理模型在其中提供早期預警、量化風險、支持資源配置與政策選項評估的關鍵依據。她強調，模型必須「可操作、可解釋、可溝通」，而非停留於學術層面的理論推演；圖像化輸出（如以 ICU 病床需求曲線比較不同介入策略）能有效協助決策者與公眾理解權衡與選擇，提升政策的可接受度與執行力。

以案例驗證模型價值：境外移入、流感尖峰、疫苗策略與病媒控制

從 2016 年 Zika 疫情的跨國傳播風險評估（嘉年華每 10 萬人約 3.6 例、奧運每百萬人約 1.8 例）到與 BlueDot 的境外移入風險合作，模型支撐了邊境與國際賽事的理性決策；在國內，時間序列模型被用來預測流感高峰並提前開設「類流感門診」分流急診量能。更進一步，模型也用於長期與高風險策略評估：2016 年《Science》登革熱疫苗研究顯示，未感染者接種可能提高重症風險，唯有先行抗體篩檢、僅對陽性者施打才具正效益；登革熱蚊控（Wolbachia/Oka 技術）與氣候變遷下病媒分布預測，亦透過結合環境、人口與疫調資料的模型，轉化為具體的部署與法規決策。這些例證凸顯：模型既能「即時支援」也能「前瞻推演」，在資源有限、證據不完備時尤其不可或缺。

可持續的建模生態系：資料品質、跨域團隊與競賽機制

要讓模型真正進入政策現場，劉教授歸納出幾項必要條件：首先是正確的問題設定與高品質、可持續的資料基礎（監測系統、健保與急診即時通報 RODS、死亡通報等）；其次是多元參數與真實世界複雜性的納入（政策介入、人為行為、環境變因等）；再者是跨域合作（公共衛生、數學統計、資訊、氣象、法政倫理與溝通可視化能力）。她以美國 CDC 自 2013 年起舉辦的「流感季節預測競賽」為例，說明開放資料、持續競賽與與優勝團隊合作的機制，如何同時培育人才、促進創新並將成果導入決策。臺灣正建置「防疫決策支援系統」，期盼以系統化、可操作的建模平台補足人工分析的侷限。她最後呼籲具數理背景的學生投入公共衛生建模，將理論能力轉化為服務社會的決策支援力量。