那時 的 大眾 把 疾病 監控 當作 自己 工作 的 一 部分 ， 正 如 我們 看到 火車 或 機場 留有 可疑 包裹 時 ， 都 會 覺得 有 責任 舉報 。 詹尼斯 在 美國 國立 衛生 研究院 的 大會 上 說 ： 「 我 看到 的 未來 裡 ， 大量 生產 的 定序 技術 將 以 自主 運作 裝置 的 形態 ， 推廣到 醫師 診療室 、 公共 衛生 機構 裡 ， 或許 還 有 病發 現場 。 我 希望 每 天 晚上 我 都 能 算出 一 張 新 的 『 超 地圖 』 ， 展示 給 任何 需要 的 人 看 。 」 但 流感 不只 是 鴨 、 鵝 、 豬 、 人體 內 的 化學 反應 。 在 每 次 人 對 人流感 傳染 背後 ， 都 是 兩 個 人類 接觸 的 故事 。 這些 故事 是 提升 流感 傳播 預測力 的 基礎 。 人緣 好 的 美女 比較 容易 害 你 染上 流感 ？ 學校 之於 季節 性流感 ， 就 像 汽油 之於 火 ， 然而 我們 卻 不 太 知道 ， 在 學校 這 種 封閉 、 高 人口 密度 的 地方 ， 人類 究竟 是 如何 移動 的 。 比方說 ， 假設 你 想要 減緩 流感 在 學校 的 傳染 。 你 可以 從 人際 關係 最多 、 交際圈 最 廣 的 人 開始 接種 。 他們 可能 是 老師 （ 因 職業 角色 建立 關係 ） 以及 人緣 好 的 學童 （ 用 感情 建立 關係 ） 。 如果 在 剛 開始 爆發 疫情 時 就 隔離 這些 人 ， 就 可以 止住 流感 的 傳染 ， 對 吧 ？ 賓州 州立 大學 的 馬賽爾 ． 薩拉瑟 （ Marcel Salath é ） 就是 想 測試 這 個 概念 。 他 為 兩百二十八 位 美國 高中生 配備 了 小型 感測器 ， 每隔 二十 秒 就 記錄 他們 的 移動 。 薩拉瑟 和 他 的 團隊 記錄 了 七十六萬兩千八百六十八 次 近距離 個人 互動 （ 相距 約 十 英呎 ， 大約 是 人 與 人間 飛沫 傳染 流感 的 距離 ） 。 每當 他 蒐集 了 一 天 份 的 資料 後 ， 便 和 團隊 為 每 位 受 試 者 跑 一千 次 模擬 。 結果 是 ： 感染 者 把 自己 從 人群 中 隔離開 來 回家 休養 ， 則 有 七成 的 模擬 狀況 是 「 不會 造成 重大 疫情 」 ， 另 有 三成 則 是 「 疫情 擴大 」 。 在 某些 情境 下 ， 全 校 人口 有 百分之一點三 被 感染 ； 有些 數字 （ 例如 H1N1 ） 更 將近 五成 。 （ 註 15 ） 有 些 學生 和 老師 人緣 好 ， 並 不 等於 他們 傳播 病毒 的 速度 比較 快 。 根據 薩拉瑟 的 研究 ， 美國 高中 每 天 平均 近距離 的 個人 接觸 略 少於 五 分鐘 ， 但 它 是 分散成 平均 十八 段 二十 秒 的 片段 ， 包括 在 川堂 擦 肩 而 過 、 在 實驗室 合作 、 在 咖啡廳 聊天 。 最 令 人 驚訝 的 是 ， 人人 都 會 互相 擦肩 而 過 。 所以 把 那 群 人際 關係 較 頻密 的 一 群 人 加以 隔離 或 叫 他們 接種 ， 並 沒有 重大 效果 。 所以 人緣 好 的 女孩 ， 並 不會 只 因 身邊 圍繞 著 較多 人 （ 碰到 更多 潛在 傳染 者 ） 而 更 容易 染上 流感 ， 因為 她 沒 花 多少 時間 與 那些 人 相處 。 薩拉瑟 的 模型 顯示 ， 從 高中 校園 裡 隨機 一 個 人 那裡 染上 流感 的 機率 是 百分之一點三五 ， 因為 你 隨機 接觸 他人 的 時間 大約 只有 每 人 五 分鐘 。 相形之下 ， 你 最 可能 被 兩 個 最 要好 的 朋友 傳染 ， 他們 是 和 你 共享 大量 呼吸 與 接觸 空間 的 人 。 高中生 的 流感 三角 古樂朋 （ Nicholas Christakis ） 和 詹姆斯．佛勒 （ James Fowler ） 在 他們 所 著 的 《 連接 ： 社交 網絡 的 驚人 力量 以及 它們 如何 形塑 我們 的 生活 》 （ Connected ： The Surprising Power of Our Social Networks and How They Shape Our Lives ） 寫道 ， 一般人 的 社交 網絡 裡 ， 任 兩 個 人 彼此 認識 的 機率 是 百分之五十二 。 古樂朋 和 佛勒 把 這 叫做 遞移性 （ transitivity ） 。 流感 經常 經由 接觸 各 種 表面 而 傳遞 ， 但 當 它 是 人傳人 時 ， 遞移性 是 主要 因素 ， 特別 是 三角 遞移性 。 而且 ， 高中 學生 有 許多 時間 都 是 待在 三 人 小組 裡 （ 又 稱 封閉 三角 ） 。 （ 註 16 ） 如果 你 知道 你 的 三角 裡 有 誰 ， 那麼 你 最 可能 被 那 兩 個 人 的 其中 一 個 傳染 。 你 可以 根據 你 和 其中 一 人 或 兩 個 人 共處 的 時間 ， 計算 那 個 人 感染 你 的 機率 。 近距離 接觸 的 人們 互相 傳染 流感 的 機率 ， 每 二十 秒 就 提高 零點零零三 倍 ， 這 是 約翰霍普金斯 大學 研究 團隊 在 一九七○年代 觀察 流感 在 飛機 上 傳播 情形 所 發現 。 如果 你 知道 你 的 三角 裡 有 誰 ， 也 知道 你 會 和 他們 相處 多久 ， 那 你 就 能 算出 他們 的 病毒 跑到 你 身 上 的 機率 （ 假設 你 不 做 任何 蠢 事 ， 例如 觸摸 他們 摸 過 的 東西 ） 。 這 個 數字 並 不 完美 。 但 它 不必 完美 就 足以 改變 人 的 行為 ， 或許 也 就 能 限制 流感 的 散播 。 （ 註 17 ） 但是 只有 公式 是 不 夠 的 ； 你 真正 需要 的 是 在 出門 和 某人 碰 面前 ， 能夠 計算 從 他們 身 上 得到 流感 的 機率 。 這 就 是 社交 網絡 能 用來 創造 傳染病 大 未來 之 處 了 。 流感 圖像化 對 電腦 科學家 麥可． 保羅 （ Michael Paul ） 來 說 ， 推特 不 只 是 社群 網站 ， 它 是 窺見 全 世界 數百萬 用戶 實體 狀態 的 窗口 ， 也 是 未來 公共 衛生 的 潛在 福音 。 二○○九年 五月 到 二○一○年 十月 間 ， 他 和 他 的 指導 教授 馬克 ． 德雷茲 （ Mark Dredze ） 寫出 一 個 程式 ， 用來 針對 推訊 表達 的 各 種 症狀 ， 將 「 生病 」 的 推訊 加以 分類 ， 他們 稱 之 為 「 病痛 主題 觀點 模型 」 （ Ailment Topic Aspect Model ， 簡稱 ATAM ） 。 （ 註 18 ） 每 個 星期 ， 美國 疾管署 都 會 公佈 新 的 流感 數據 。 這 兩 位 研究 者 發現 他們 的 ATAM 模型 能 在 疾管署 公佈 之前 ， 就 搶先 預測出 官方 流感 數據 。 他們 每 天 都 處理 推訊 ， 而且 速度 還可以 再 更 快 。 至於 疾管署 收集 、 分析 與 公佈 資料 的 做法 ， 相較 是 緩慢 的 。 保羅 在 他 位於 約翰霍普金斯 的 實驗室 對 我 解釋 說 ： 「 疾管署 得 花 兩 週 ， 因為 疾管署 所 用 的 工具 全 都 很 受限 。 他們 到 醫院 調查 ， 實際 打電話 到 各 地 ， 詢問 該 週 的 陽性 檢體 數據