一種新蜱媒病毒被找到，不代表「下一場疫情」：真正重要的是為什麼原本的診斷會漏掉它

導言：發現新病毒，不等於發現下一場疫情

2026 年 9 月 2 日，New England Journal of Medicine 線上刊出研究通訊，研究團隊從中國有蜱暴露史、出現發熱症狀的患者中辨識出新的 orthonairovirus，研究稱為 Asian longhorned tick nairovirus，簡稱 ALTNV。這類消息最容易被媒體改寫成「新病毒現蹤」或「下一場疫情警訊」，但研究真正重要的地方其實是臨床診斷的缺口。

嚴重發熱伴血小板減少症候群在亞洲是重要蜱媒疾病，已知主要病原為 Dabie bandavirus。問題是，一部分患者臨床上很像 SFTS，也有蜱暴露史，檢測卻找不到 DBV。研究者沒有把陰性結果當成故事結束，而是從「症候群像、已知病原卻陰性」這群人繼續追，最後建立 ALTNV 的人類感染證據。

10.4% 不能被寫成一般人口盛行率

論文在 3,163 名具有蜱暴露史的發熱患者中篩查到約 10.4% 的 ALTNV 感染證據。這個數字非常容易被誤讀。它不代表中國有一成人感染，也不代表每十個被蜱咬的人就有一個感染；研究母群本來就是有症狀、又有蜱暴露史的高風險就醫族群。

這是新興傳染病報導最基本卻最常失守的防線：一定要先看 denominator。早期病原研究通常刻意把高風險病例集中起來，因此比例常高於一般人口。把母群拿掉只留下百分比，會讓風險溝通失真。

嚴重度怎麼讀：不要把早期病例變成病毒性格

研究中單獨 ALTNV 感染的患者都康復，而與 Dabie bandavirus 共感染的個案較嚴重。這個觀察值得持續研究，但目前不能據此宣稱 ALTNV 高致死，也不能反過來說它一定溫和。病例數、採樣偏差、就醫行為、共病與轉診都會影響早期看到的嚴重度。

新病原剛被辨識時，最值得追問的是分布、宿主、蜱種、季節性、共感染與臨床表現，而不是先替病毒貼上恐怖或安全的固定標籤。公共衛生需要的是可更新的證據，而不是一次性的戲劇化敘事。

One Health 的價值：把人、動物、環境真的串起來

蜱媒疾病是 One Health 最典型的場景之一，因為病原流行不只取決於人。蜱族群、宿主動物、草地與森林邊緣、氣候、農牧活動、野生動物、寵物與人類工作型態都會改變暴露機會。One Health 若只畫成人、動物、環境三個圓圈，沒有資料串接，就只是一個漂亮口號。

真正的整合應從資料結構開始：醫院病例留下暴露情境；獸醫與動物監測能和人類病例對照；蜱媒調查要有地理與季節資訊；農林工作者提供哪裡最近蜱變多、動物有無異常、什麼工作時段暴露最高。地方知識不是拿來診斷病毒，而是提升採樣效率。

台灣與原鄉可以學到什麼：把暴露史問得更好

中國發現 ALTNV 不代表它已在台灣流行，更不能因此把台灣原鄉貼成高風險區。比例原則很重要。比較合理的做法，是檢查偏遠醫療與公共衛生系統能不能在必要時留下足夠資訊。

面對不明原因發熱患者，除了旅遊史與飲食史，也可結構化詢問近期是否進入草叢或林緣、是否從事農牧、狩獵、林業或山區工作、是否接觸犬貓或野生動物、是否發現蜱附著、暴露地點與時間。這些資訊若只存在醫師腦中，後續監測很難整合；若以適當隱私方式記錄，未來面對新病原時就能快速回看。

AI 可以整理未知，但不要假裝知道未知

AI 很適合做症候群監測、電子病歷文字整理、異常聚集偵測與基因序列比對。系統可以提醒「這群發熱病例都有蜱暴露，但常見病原檢測陰性」，讓研究人員注意到被舊分類掩蓋的共同模式。

但 AI 也可能放大既有偏差。模型若只用過去確診病例訓練，會更擅長辨識已知疾病，對未知病原反而容易硬塞進舊分類。安全的系統要能說「目前分類不足以解釋」，並把病例升級到進一步檢驗與專家審查。ALTNV 給 AI 醫療最重要的提醒，就是未知不是壞資料，未知狀態也可能是訊號。

結語：真正值得投資的是能發現自己漏掉什麼的系統

ALTNV 的研究價值，現階段不在於預言下一場疫情，而在於示範一個成熟的監測邏輯：當臨床症候群和已知病原對不上時，不要把陰性結果當作終點，而要把它變成新的研究入口。

對原鄉與農林牧山區工作者而言，最好的訊息也不是「山裡危險」，而是「把暴露說清楚」。當醫師、獸醫、農民與實驗室能用同一條時間線看見風險，新病原就比較不容易藏在舊診斷名稱後面。

診斷系統最需要保留「未知」這個選項

臨床與 AI 系統都偏好把病例放進既有分類，因為分類後才能開立檢驗、治療或通報流程。但新病原常從分類失敗的地方出現。如果「已知病原陰性」只被當成沒有答案，監測就會失去最有價值的一群病例。理想系統應能標記「症候群一致、暴露一致、現有檢驗無法解釋」的病例，累積到一定程度後觸發專家複核與擴充檢驗。

這種未知佇列也要有停止規則，避免每一個發燒都變成昂貴定序。可用嚴重度、群聚、特殊暴露、季節異常與常見病原陰性等條件做分層。目標不是把每個病例都找出新病毒，而是讓真正異常的模式不被日常流程淹沒。

風險溝通：不要把戶外工作者變成被責怪的人

蜱媒疾病與農林牧、狩獵、山區工作有關，但報導若把風險直接等同於某些職業或地區，就容易產生污名。公共衛生應把訊息放在「暴露情境可管理」，而不是「某群人很危險」。穿著、返家檢查、寵物與家畜管理、及早就醫並主動告知暴露史，都比恐嚇式新聞更有實際效果。

地方工作者也不是被動接受指令的人。他們往往最早注意到蜱數量、動物接觸與季節變化。若監測系統提供簡單回報管道，這些觀察可以幫助選擇採樣點；但回報資料不應被用來標記個人或村落，否則地方會失去合作意願。

不要讓「新病原」新聞跑在證據前面

新興傳染病資訊傳播速度遠快於研究確認速度。病原剛被發現時，媒體常同時缺少盛行率、傳播效率、宿主範圍與長期臨床追蹤，卻已急著使用「致命」「擴散」或「下一場疫情」等字眼。這會讓公眾把科學上的未知誤認為最壞情境已經成立。

較負責任的報導應固定回答四件事：研究在哪一種人群中做、目前證明了什麼、還不知道什麼、一般人現在需要做什麼。對 ALTNV 而言，現階段最清楚的是特定高風險發熱患者中存在感染證據；仍需更多地理、宿主、臨床與傳播研究；一般人最實際的行動仍是蜱暴露防護與有症狀時提供完整暴露史，而不是把新名稱當成恐慌訊號。

讓監測回報能被地方理解

監測合作可以先約定資料回饋方式：哪些結果會通知回報者、多久更新一次、沒有檢出病原時如何說明限制，以及誰能回答後續問題。對農林工作者而言，只要求提供地點與工作史，卻沒有任何回饋，合作便很難持續。公開地圖則宜以能支持公共服務的區域尺度呈現，避免暴露個人工作路線或特定家戶的位置。這些是本文提出的監測治理建議，不表示已有台灣感染分布資料。是否增加採樣仍須由相關專業單位依病例與檢驗證據判斷；地方觀察可以提供線索，但不能單靠蜱變多的印象確認某種病毒出現。

資料品質也包括把「沒有詢問」與「詢問後沒有這項暴露」分開。若病例表兩者都留成空白，事後便無法判斷一群患者是否真的缺少共同接觸，或只是初診時沒有問到。同樣地，檢驗陰性應保留採樣日期與檢驗項目，不能在資料交換時簡化為排除所有感染。這是建立可回查紀錄的理由，並不表示每個未明病例都需要相同檢查。對跨院或跨單位合作而言，先統一少量重要欄位，通常比蒐集大量自由文字更容易比較；但欄位增加也會占用第一線時間，應讓使用者參與試填與修正。制度是否有用，最後仍要看它能否支持必要的專業判斷、減少資訊遺漏，並讓個人隱私受到合理保護，而不是只以資料筆數增加作為成果。

原傳媒AI｜依你的角色繼續追問

• 感染症與病毒學研究者：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
• One Health 疫情監測人員：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
• 農林牧與山區工作者：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。
• 偏遠地區基層醫療人員：請從你的專業位置判斷本題的證據、限制、實務做法與下一步可驗證問題。

主要來源

• NEJM｜A Zoonotic Orthonairovirus from Febrile Patients in China
• WHO｜Vector-borne diseases
• CDC｜Where Ticks Live — Asian longhorned tick
• CDC Emerging Infectious Diseases