流行病暴發(fā)的實時預測是近年才出現(xiàn)的研究領域

在歷史的大部分時期，人類面對大規(guī)模流行病時總是束手無策。由于缺乏藥物和疫苗，傳染病一次次席卷全世界，奪走了大量的生命。直到1796年，才有第一支疫苗投入測試；直到20世紀90年代，針對新病原體的系統(tǒng)性的疫苗開發(fā)和治療才成為可能。盡管醫(yī)學發(fā)展進步巨大，我們也只是對少數(shù)病原體開發(fā)出了有效的疫苗。因此，降低傳染率和基于隔離的措施仍然是衛(wèi)生系統(tǒng)對抗新病原體的主要工具。為了讓疫苗、治療和隔離措施的組合手段生效，我們需要預測何時何地將出現(xiàn)下一次病原體暴發(fā)，從而讓當?shù)匦l(wèi)生機構優(yōu)化部署可用資源。

關于流行病暴發(fā)的實時預測是近期才出現(xiàn)的研究領域。其發(fā)展基礎來自20世紀80年代的傳染病模型框架和2003年非典型性肺炎大暴發(fā)。后者確定了全球疫情的報告準則。隨后出現(xiàn)的與流行病相關的可用數(shù)據(jù)為建模提供了實時輸入。這些技術進展首次派上用場是在2009年H1N1甲型流感暴發(fā)期間——第一次實時預測了該流行病的傳播。

新病原體的出現(xiàn)總是伴隨著幾個關鍵問題:

病原體從哪里起源？

新發(fā)病例會出現(xiàn)在哪里？

流行病什么時候會到達各個人口稠密地區(qū)？

預計有多少人會被感染？

該如何減緩其傳播進程？

如何能消滅它？

如今，這些問題都可以通過強大的流行病仿真工具來回答。仿真工具使用人口學信息、移動信息和流行病學數(shù)據(jù)作為輸入。從隨機種群模型到基于代理人的計算機仿真(可建模百萬個體的行為和交互)，都是這些工具背后的算法。在這一節(jié)中，我們將概述這些工具的用途，指出網(wǎng)絡科學在這些技術發(fā)展中的作用。

實時預測

流行病預測旨在預判病原體的實時傳播，即預測每個主要城市的每周受感染人數(shù)。基于網(wǎng)絡科學的流行病實時預測的首個成功案例，并且得益于全球疾病傳播和移動(Global Epidemic and Mobility，簡稱GLEAM)計算模型，這一隨機框架將全世界范圍的高精度人口數(shù)據(jù)和移動數(shù)據(jù)作為輸入，采用了基于網(wǎng)絡的計算模型:

GLEAM將每個地理位置映射為網(wǎng)絡中的節(jié)點。

根據(jù)全球交通數(shù)據(jù)(例如航線時刻表)，用節(jié)點之間的傳輸表示鏈接。

GLEAM使用基于網(wǎng)絡的方法估算流行病參數(shù)，例如傳播率和再生數(shù)。它基于歷年全球范圍流行病的傳播數(shù)據(jù)，而非醫(yī)學報告。

建模2009年H1N1甲型流感傳播：(a)H1N1甲型流感病毒在2009年暴發(fā)期早期的傳播。箭頭表示首個感染者到達之前未被感染的國家。顏色表示病毒到達的時間。(b)GLEAM的計算模型流程圖，用于預測H1N1甲型流感病毒和埃博拉病毒等病原體的實時傳播。左欄(輸入)表示輸入的數(shù)據(jù)庫，包括人口學信息、移動信息和流行病學信息；中欄(模型)描述了每一時間步建模的基于網(wǎng)絡的動態(tài)過程；右欄(輸出)是模型能預測的物理量的示例。

GLEAM實現(xiàn)了9.3節(jié)中描述的基于網(wǎng)絡的流行病框架，給出未來數(shù)月內(nèi)病原體在全球傳播的多種可能的結果。對于H1N1甲型流感，我們將該模型的預測結果與48個國家在疫情全階段從監(jiān)測和病毒學來源與收集到的數(shù)據(jù)進行對比，有如下幾點關鍵發(fā)現(xiàn):

高峰期

高峰期是指某個國家病原體感染人數(shù)最多的一個星期。對高峰期的預測可以幫助衛(wèi)生官員決定分配疫苗或治療手段的時間和數(shù)量。高峰期與首個病例到達的時間，以及每個國家的人口學特征和移動行為特征等有關。在87%的國家中，觀測到的高峰期均在預測區(qū)間內(nèi)。剩下的國家中，觀測的高峰期和預測的高峰期最多相差兩星期。

早到的高峰期

GLEAM預測H1N1型流感的高峰期將出現(xiàn)在11月，而不是1月或2月——流感類病毒的常規(guī)高峰期。這個意外的預測結果后來被證實是正確的，進一步證明了模型的預測能力。高峰期提前是因為H1N1甲型流感原發(fā)地在墨西哥，而不像其它很多流感那樣原發(fā)于南非，因此病毒到達北半球的時間提前了。

接種疫苗的影響

一些國家實施了疫苗接種運動來控制這次的疫情。仿真結果表明，這些大規(guī)模疫苗接種運動對這次流行病傳染過程的影響幾乎可以忽略不計。原因在于，疫苗接種運動的時間是根據(jù)1月高峰期預估推算的，因此都在2009年11月之后進行。而此時已經(jīng)過了高峰期，很難有好的效果。

H1N1甲型流感活動高峰期：多個國家中H1N1甲型流感病毒預測和觀測的活動高峰期。高峰期是指病原體感染人數(shù)最多的一個星期，以距離流行病開始的星期數(shù)標識。模型通過分析2000次暴發(fā)的隨機實現(xiàn)來預測，并生成了圖中的誤差線。

假設分析

通過考慮各種遏制、減緩措施的時間和性質，仿真可以估計各種應急方案的效果。接下來我們將討論兩種此類干預措施的影響。

旅行限制

由于航空旅行在病原體傳播中扮演了重要角色，當我們面臨埃博拉病毒這樣的危險流行病時，直覺上的首選方案就是限制旅行。然而在當今世界，航空運輸有關鍵的作用，禁止航空旅行會導致經(jīng)濟崩。因此在實施航空禁令之前，我們必須確認限制旅行確實有助于控制疫情。其中一個很重要的認識是，“意識到病毒暴發(fā)”這件事本身就會減少旅行。例如，2009年5月，H1N1甲型流感暴發(fā)期間，進出墨西哥的人流量下降了40%——人們?nèi)∠嗽谑芨腥镜貐^(qū)進行的非必要商務和休閑活動。

致死率約80%的埃博拉病毒是人類已知最致命的病毒之一。它于1976年在扎伊爾首先被發(fā)現(xiàn)，312名感染者中有280名死于出血熱(兼有高燒和出血的癥狀)。接觸已感染個體唾液或分泌物可傳播這一病毒。

模型指出，這減少的40%使世界上各個國家的首個病例到達時間推遲了不超過3天。我們進一步認為，即使減少90%的旅行，高峰期的推遲也不會多于20天。

減少旅行如何影響H1N1甲型流感病毒從墨西哥到各個國家的到達時間(相對于不減少旅行的參考情況)?？v軸的百分比表示全世界范圍內(nèi)減少旅行的比例。在減少90%旅行的情況下，最長的延遲不超過20天。

最重要的是，旅行限制并不會減少受感染人數(shù)，而只能延遲疫情暴發(fā)，讓當?shù)卣畽C構有更多的時間準備應對流行病。因此，只有當旅行限制所導致的延遲能夠幫助提高當?shù)匾呙缃臃N水平或改善治療手段時，旅行限制才是有效的。

抗病毒治療

在2009年H1N1甲型流感傳播時期，加拿大、德國、中國香港、日本、英國和美國都分發(fā)了抗病毒藥物，來減輕這一傳染病的影響。這不禁使人發(fā)問：如果有藥物儲備的真實驗表明，高峰期會推遲3至4星期，從而使人們有更多的時間，讓全部人口中更大比例的人在疫情達到高峰之前獲得免疫。

《巴拉巴西網(wǎng)絡科學》，[美]艾伯特-拉斯洛·巴拉巴西著，沈華偉 黃俊銘/譯，湛廬文化/河南科學技術出版社，2020年2月