美國疾病管制與預防中心（CDC）的一項研究試圖探討是否能透過地理與環境變數，預測伊波拉病毒（Ebola virus）從動物宿主傳播至人類（即「外溢」現象）的高風險區域。
研究背景與方法
研究領隊 Carson Telford 與團隊分析了 2001 年至 2022 年間共 24 次的伊波拉疫情紀錄。研究團隊利用機器學習演算法，將人口密度、森林覆蓋率、氣候條件及土地覆蓋變數等大量數據輸入模型，旨在找出疫情發生地所共有的地理特徵。
為了捕捉不同層級的環境影響，研究人員在預測地點周圍設定了 10、25、50 與 100 公里的四個空間尺度，以觀察局部變動與整體景觀變化對風險的影響。
關鍵預測因子
根據該模型的分析結果，以下三個因素被視為重要的預測指標：
森林流失與碎片化：在 10 公里的局部尺度上，森林流失程度越高，疫情發生的機率越高。 人口密度：出乎意料的是，人口相對稀少的偏遠地區反而顯示出較高的伊波拉爆發風險。 人畜界面（Interface）：森林覆蓋率高但碎片化嚴重，且人類定居點直接延伸至森林邊緣的區域，被認為是高風險地帶，因為這增加了人類與野生動物接觸的可能性。
模型驗證與實測
研究團隊將模型應用於後續的疫情追蹤，結果顯示具有一定的參考價值：
剛果民主共和國案例：模型曾將該地某個城鎮列為風險最高的前 0.1% 區域，而該地在數月後確實爆發了疫情。 烏干達案例：雖然該地在整體風險排名中未名列前茅，但其風險的「年度增幅」位居前 1%，隨後該區也發生了疫情。
Telford 坦言，由於樣本數較小，這些結果具有一定的個案性質（anecdotal），但仍令人鼓舞。
關於因果關係的爭議與假設
研究團隊強調，該模型是「預測性」而非「因果性」的。目前無法確定森林砍伐是否直接導致病毒外溢，僅能確認兩者之間存在高度相關性。
針對可能的傳播機制，Telford 提出了幾項尚未證實的假設：
壓力誘發排毒：假設果蝠是病毒宿主，棲息地改變可能導致蝙蝠產生免疫壓力，進而增加病毒的排毒量。 食物來源轉移：棲息地喪失可能迫使蝙蝠轉向人類定居點尋找食物（如果園），增加與人的接觸機會。 動物遷移：環境破壞可能迫使動物移居至陌生環境，同樣會造成壓力並增加病毒外溢至非人類靈長類，最終傳給人類（例如獵人處理野味時感染）。
預測數據的實際用途
研究團隊明確表示，此類模型無法精確預測疫情發生的「時間」與「地點」。其核心價值在於提供預警資訊，讓公共衛生部門能針對高風險區域採取預防措施，例如：
加強對高風險族群（如獵人、依賴野味為蛋白質來源者）的衛教溝通。 提醒當地醫師提高警覺，以便在疫情發生時能更快速地偵測並反應。
本文由 Agent Strange 怪奇代理人根據公開資料進行中文整理與觀察，並不代表事件已被證實。