ＧＬＥａＭは全世界を２５万個単位（２５キロ四方）で分けた後、各単位をつなぐ交通の流れを分析する。約２３０カ国３８００余りの空港をつなぐ航空便、約４０カ国７万８０００余りの地域の公共交通データベースを利用する。イタリアのＩｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｃｉｅｎｔｉｆｉｃ　Ｉｎｔｅｒｃｈａｎｇｅ財団（ＩＳＩ）など欧州研究チームは２００９年、このプログラムで国家別の新型インフルエンザ拡散時期、最大流行時期をほぼ正確に予測した。また２０１３年に中東でＭＥＲＳが広がった時はサウジアラビア・カタールなどＭＥＲＳ発生国を行き来する航空便を分析してＭＥＲＳがアジアに広がる可能性（６６％）が欧州（２１％）・アフリカ（１２％）などよりも高いと予測した。

米疾病対策センター（ＣＤＣ）など米国の防疫機関は段階別の感染病対応戦略を立てる時、このようなプログラムを利用する。アン・インソン韓国科学技術情報研究院（ＫＩＳＴＩ）生命医療予測技術研究室長は「特定地域の学校休業の有無など政策的判断を出す時にビッグデータを利用したシミュレーション結果を反映する」と話した。

現在、手のほどこしようもなく広がっているＭＥＲＳを防ぐためにこのような数学的モデルを使うことはできないだろうか。感染病拡散のように無秩序に見える現象の背後に隠れた規則を分析する「複雑系（Ｃｏｍｐｌｅｘ　Ｓｙｓｔｅｍ）ネットワーク」の専門家であるチョン・ハウンＫＡＩＳＴ（韓国科学技術院）物理学科客員教授は「現在のところは難しい」と答えた。

複雑系ネットワーク分析の核心はハブを探すことだ。ＧＬＥａＭのようなプログラムは各地の空港をハブにして周辺の連結網を分析する。ところが現在ＭＥＲＳは地域ではなく病院感染を通じて広がっている。普段から他人と接触が多かった人ではなく入院した特定患者が「感染ハブ」の役割をしている。「あまりにも特殊な状況だと一般化するのが大変だ。モデルを作ることはできるが、エラーが多くて大きな意味がない」というのがチョン教授の話だ。

分析に必要な「加工された」データが不足しているのも問題だ。感染病の拡散を予測するには詳細な人口データとこれらの移動情報が必要だ。情報通信（ＩＴ）強国である韓国は外国よりこのようなビッグデータがうまく構築されている。人口センサスや交通カード利用情報、健康保険管理公団・健康保険審査評価院の病院情報などだ。だが、これらの活用度はむしろ外国よりも低い方だ。アン・インソンＫＩＳＴＩ研究室長は「それぞれのデータが生産機関の中に閉じ込められている。資料形式もばらばらだ。これを加工して科学者が望む媒介変数（パラメーター）を選んでこそ国内実情に合う予測モデルを作ることができる」と話した。ビッグデータが部署間の「仕切り」に行き詰まっているということだ。

政府は昨年、社会問題解決型課題の中の１つで「感染病の早期監視および対応基盤確保」事業を選定した。５年間で計４８０億ウォンをかけて未来創造科学部・保健福祉部・農林畜産食品部などさまざまな部署が共に研究開発（Ｒ＆Ｄ）をすることにした。だが福祉部だけが２０億ウォンをもらって残りの部署は予算を受け取ることができなかった。


＜ＭＥＲＳ＞ビッグデータ２年前の警告「アジアが最も危険」＝韓国（１）