資工、地科、公衛跨域合作 AI揭露臺灣心血管疾病高風險環境型態

記者黃仁杰／台北報導

由國立臺灣師範大學地球科學系、資訊工程學系，以及臺北市立大學衛生福利學系組成的跨領域研究團隊，整合臺灣23年來的氣象觀測、空氣品質監測與急診就醫資料，成功建立每日心血管疾病急診風險預測模型，並發現空氣污染因子，特別是氮氧化物（NOx），比傳統氣象因子更能有效辨識高風險日。

這項最新研究成果以「Predicting Daily Cardiovascular Emergencies Using Weather and Air Quality Data: A 23-Year Machine-Learning Analysis in Taiwan」為題，於12日發表在Q1國際期刊《GeoHealth》（DOI: 10.1029/2025GH001769）。《GeoHealth》是美國地球物理聯盟 AGU 出版的開放取用跨領域期刊，聚焦地球環境變遷、氣候、污染與人類健康之間的交互作用。

研究團隊蒐集2000至2022年間全臺超過23年的環境監測資料，包括溫度、濕度、風速、降雨、PM₂.₅ 、PM₁₀ 、CO 、NO 、NO₂ 、NOx 、O₃ 、SO₂，以及超過500萬筆心血管疾病急診資料，建立184項環境特徵，並利用人工智慧分析環境條件與每日急診風險之間的關係。

在性別方面，男性急性心血管疾病就診率約為女性的1.7倍。年齡則呈現更明顯的差異。65歲以上族群的急性心血管約為50至64歲族群的2.4倍，更是30至49歲族群的11倍以上。過去研究顯示，隨著年齡增長，人體對氣溫變化、空氣污染及其他環境壓力的調節能力下降，使高齡者成為最需要關注的高風險族群。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

研究團隊進一步利用非監督式機器學習方法分析184項環境特徵，發現空氣污染因子所形成的高風險群集，比單純依據氣象條件所形成的群集更能區分高風險與低風險日。其中，65歲以上族群對環境變化最為敏感，其次為50至64歲族群；女性族群所呈現的環境敏感度亦略高於男性。結果顯示，高齡社會下的環境健康風險評估，應特別關注高齡人口所面臨的空氣污染暴露問題。

在預測模型方面，研究團隊比較八種人工智慧方法後發現，以Random Forest、LightGBM及XGBoost為代表的樹狀集成模型具有最佳預測能力。其中，65歲以上族群的預測效果最高，決定係數可達0.65至0.67，顯示環境因子對高齡族群急診風險具有相當穩定的解釋能力。模型重要度分析進一步指出，NOx、NO與NO₂等交通相關污染物，以及風速等大氣擴散條件，是影響急診風險最重要的環境指標。

這項結果也說明，若未來能進一步結合即時氣象與空氣品質監測資料，將有機會發展區域化健康預警系統，在高風險天氣來臨前，提前提醒脆弱族群採取防護措施。

第一作者臺師大資工系助理教授陳翔瀚表示，過去醫療預測研究多聚焦於個人病史或臨床資料，但環境其實也是重要且可量化的健康風險來源。本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。

臺師大地球科學系教授陳卉瑄身為本專案的推動者，特別提到與保誠人壽的產學合作，是促成這個跨領域團隊成形的重要契機。她表示，當氣候變遷與環境健康已成為社會共同關心的議題時，也正是學界將科學研究轉化為實際社會價值的重要時刻。透過企業、學界與公共衛生領域的合作，不僅能建立更完整的研究架構，也能讓研究成果真正回應社會需求。

從地球環境監測、人工智慧分析到公共衛生應用，這項由師大地科系、師大資工系與北市大衛福系共同完成的研究，不僅展現跨領域合作的能量，也為氣候變遷時代下的健康風險管理提供新的研究方向與實踐可能。