英國放棄群體免疫真相!Nature深度用數據模型預測可怕結果

智東西4月7日消息，當前全球累計新冠肺炎確診病例已超過135萬，現有確診病例995480例，逼近百萬大關！

回顧最近一個月的全球防疫戰，多個政府態度來了180度大轉彎，英國即是其中的典例代表。

英國首相鮑裡斯·詹森在3月12日首次提到的「群體免疫」措施，一度引發英國國民和全球震驚。

好在之後英國及時調整了防疫措施，在這個態度轉變過程中，數學模型的推演起到了十分關鍵的作用。

3月中旬，倫敦帝國理工學院研究團隊展示了其模擬疫情傳播趨勢的計算機模型最新結果：如果政府不採取行動，英國可能會面臨超過50萬人的死亡。這下英國總算不堅持「群體免疫」了，鮑裡斯準備開始積極的「鎖國抗疫」。

不過，雖然英國的防疫措施正走向正軌，但不幸的是鮑裡斯自己已經感染新冠肺炎，希望其早日康復。

▲英國首相鮑裡斯·詹森

同樣的模型表明，如果不採取行動，美國可能面臨220萬人死亡。美國政府也迅速對人們行動採取嚴格的新管控措施。

新冠肺炎疫情模型如何建立？它們需要儲備哪些數據和假設？這些預測數字究竟靠不靠譜？

針對此次疫情，權威科學期刊《Nature》發布了關於模擬全球COVID-19疫情發展的特別報告。

一、基於SIR模型的不同建模方法

不同學術團體所使用的模擬疾病傳播模型各不相同，但多數模型的數學原理有相通之處。

研究人員將人群分為三種主要狀態：易感人群（susceptible，S）、已感染人群（infected，I）、恢復健康人群（recover，R）或死亡人群，試圖了解人群如何在這三種狀態之間轉化。

最基礎的SIR模型做出了一些基本假設。例如，人群是充分而均勻地混合在一起的；感染者在死亡或康復之前都具有相同的感染性，因此每個人被同一個感染者傳染的機率都相同。

如果要對大型傳染病進行定量預測，研究人員就需要建立更先進的模型，即按照年齡、性別、健康狀況、就業情況、接觸人數等等標準將人群進一步細分。

▲該模型假設中國政府不採取任何防疫措施。藍色愈深，代表平均進行每天社會接觸的人數愈多。

在掌握人口規模和密度、人口老齡化程度、交通聯繫、社會網絡規模、醫療保健供應規模等信息後，建模人員可以利用微分方程建立起一個城市、地區乃至整個國家的虛擬副本。由此，研究人員可以控制人口群體在時間和空間上的流動和相互作用。

接下來，研究人員會在這個虛擬副本中設置一個感染者，觀察事態發展狀況。

在「基於方程（equation-based）」的模型中，個體被劃分進不同群體。但是當群體被分割地更小、更具代表性、更能反映現實時，模型也就更加複雜。

此外還有一種「基於Agent（agent-based）」的建模方法。在這個模型中，每個人都可以按照其特定的規則移動，就如同系列電子遊戲《模擬人生（The Sims）》中的虛擬人物一樣。

在都柏林技術大學從事疾病傳播模型研究的伊莉莎白·亨特（Elizabeth Hunter）說：「你有幾行代碼，這些代碼決定了你的代理人如何行動，他們如何度過一天。」

基於Agent和基於方程建立的虛擬世界是一樣的，但是每個人在特定的一天或相同的情況下會做出不同的行為。倫敦衛生與熱帶醫學院（LSHTM）的流行病學家凱薩琳·奧萊利（Kathleen O』Reilly）說：「這些極其特殊的模型需要很多數據。你需要收集有關家庭、個人如何上班、如何度過周末的信息。」

例如，為了達到信息量的要求，倫敦衛生與熱帶醫學院、倫敦大學學院和劍橋大學的研究人員通過英國國家廣播公司（BBC）發起了一個公民科學項目，收集了3.6萬多名志願者的社交數據，並將這些數據用於搭建模型。

二、兩種模型結果相似：美國不採取行動將死220萬人

為了幫助英國政府制定對抗新冠病毒的措施，研究小組進行了兩次模擬實驗，分別使用了基於Agent的模型和基於方程的模型。

根據流行病早期階段不同國家的不完全信息，流行病學家對一些參數進行了粗略的估計，並假定所有人都屬於易感人群（S組），假定康復者（R組）在短期內對病毒具有免疫力。

1、模型1：基於Agent建模

據悉，模型1以2005年建立的基於Agent的模型作為基礎。在2005年，研究人員假設H5N1病毒突變為可在人群中輕易傳播的病毒，用該模型預測H5N1病毒在泰國的傳播情況。2006年，這一模型也被用於研究英美兩國如何減輕一種致命流感的影響。

在模型1中，研究人員根據中國的數據，設置了15%的ICU轉入率。在中國，有一半的患者需要侵入式的機械呼吸設備。其他病例只需要進行加壓氧氣治療，無需轉入ICU。

此外，研究人員將COVID-19感染者的死亡比例設置為0.9%（這個數字根據英國具體人口統計數據進行了調整）、R0設置在2到2.6之間、病毒潛伏期設置為5.1天、假設無症狀感染者在感染後4.6天仍可以傳播病毒、其他感染者在表現出症狀後12小時後可以傳播病毒、後者的傳染性比前者高50%。

3月16日，研究小組公布了模型對新冠病毒傳播的第一次預測結果，但當時並未公布模型代碼。研究小組領導者、倫敦帝國理工學院數學流行病學家尼爾·弗格森（Neil Ferguson）稱，其團隊正在與微軟合作，致力於優化代碼，使其更加準確。

2、模型2：基於方程建模

3月26日，弗格森及其團隊發布了模型對於新冠病毒全球傳播情況的第二次預測，該預測模型採用的是更簡單的基於方程的建模。

研究小組把人們分為4類：S、E、I、R。其中E指的是那些已經接觸了感染者但還沒有傳染性的人。

在模型2中，研究人員依據義大利的數據，將ICU轉入率調整為30%。據義大利臨床醫生介紹，加壓氧氣療法的療效有限，30%的重症住院病例都需要在ICU病房進行有創通氣。

此外，R0數值被調整至2.4~3.3。

3、兩種建模預測數據差別不大

儘管一些參數有所變化，但據弗格森介紹，兩種模型預測的死亡率並沒有太大差別，因為許多死亡病例出現在社區而非醫院。

研究小組成員、流行病學家阿茲拉·加尼（Azra Ghani）也表示：「兩次模擬給出的總體數字大致相同。」例如，基於方程的預測模型顯示，假如美國不採取行動對抗病毒，將會有218萬人死亡。而早期建立的基於Agent建模顯示，在假設的死亡率和感染人數相同的情況下，將有220萬人死亡。

巴黎皮埃爾·路易斯流行病學和公共衛生研究所的建模專家維多利亞·克利扎（Vittoria Colizza）在本次新冠疫情中為法國政府建模。對於兩種不同的建模方法，她稱不同的模型各有優缺點，「這取決於你的側重點」，即建模人員想要研究群體的規模大小。

如果能將一個群體集中到一個基於方程的模型中，那麼該模型就不需要把每個人看作一個個體。在不要求高解析度的情況下，模型運行就會更簡單和快捷。

例如，當克利扎團隊想要預測大部分法國人在家辦公對感染率的影響時，就可以使用基於方程的模型。克利扎說：「我們不需要單獨跟蹤每個人，去區分他們是在工作上花了一些時間還是在學校裡花了一些時間。」

4、採用「敏感性分析」減小誤差

儘管選擇不同的建模方式並不會影響預測結果，但人們自然會對預測結果的可靠程度有所懷疑。不幸的是，在病毒大流行期間，研究人員很難獲得準確的數字來判斷模型的準確程度。

LSHTM的建模師約翰·埃德蒙茲（John Edmunds）稱，理論上說研究人員可以用實際病例數與預測結果比較，但實際報告的數據並不準確。「我們的監控系統都是垃圾。報告的病例總數準確嗎？不準確。有哪些地方是準確的嗎？並沒有。」他說。

去年，埃德蒙茲及其團隊發布了一份對2014至2015年獅子山共和國伊波拉疫情的評估報告。根據報告，對於在疫情爆發期所做的預測，很少有研究人員在疫情期間或疫情結束之後對其進行準確性評估。直到報告成文的時候，相關研究人員才開始提供結果、代碼、模型和數據，用以進行回顧性分析。

埃德蒙茲團隊認為，理論上說，預測模型有可能提前一到兩個星期準確預測疫情的發展過程。但由於內在的不確定性和缺乏信息，預測的準確性有所降低。

為了儘量減少信息不完全和錯誤假設的影響，建模人員會進行數百次的獨立運行，每次都對輸入參數進行細微的調整。這種「敏感性分析」會降低單個輸入變化時模型結果的誤差。

例如，讓I組的人會與S組的人會面，觀察S組的人會不會被再次感染。當模型多次運行時，這些隨機模擬就能提供更多的可能性。

弗格森還介紹，為了避免過於依賴一種模式，英國政府參考了不同建模團隊的模型，其中包括帝國理工學院和LSHTM的團隊。「我們得出了相似的結論。」他說。

三、預測死亡人數或破270萬，英美政府立即調整抗疫決策

據報導，帝國研究小組的模型預測結果是促使英國政府做出抗疫政策的一個關鍵因素。

此前由於擔心病毒在今年晚些時候發生第二次大規模爆發，英國政府官員曾提出群體免疫理論，即在保護好老人的情況下允許病毒傳播。因為大多數被感染者會康復，最終整個群體的人都能對病毒免疫。

而根據研究小組於3月16日發布的預測結果，預計將有15%的住院病例需要轉入ICU進行治療。英國的醫療機構僅能提供4000多張ICU床位；如果政府不採取有力措施，可能會有超過50萬人死亡。

在帝國研究小組的預測模型發布後，英國政府當即改變了策略。首相鮑裡斯·詹森（Boris Johnson）下令採取嚴格的社會隔離措施。

▲社會隔離政策將有效控制疫情蔓延

對於這一結果，弗格森稱預測模型的重要性可能被誇大了。他認為英國政府是在綜合參考了模型預測結果和其他國家的情況後做出的抗疫決策。

另外，模型對美國疫情發展過程的預測顯示，如果美國政府不採取行動，將有220萬人死亡。白宮也考慮了預測結果，很快出臺了關於擴大社會距離的政策。

▲據3月中旬的模型預測結果，如果政府不採取任何措施，英國將有50萬人死於COVID-19病毒感染，美國則將有220萬人死亡

四、模型參數仍在更新，對病毒還知之甚少

隨著掌握了更多有關病毒的信息，研究人員也在對模型進行更新和調整。

在3月30日發布的病毒在11個歐洲國家傳播的報告中，研究人員已將R0數值調整至3~4.7。

除R0數值以外，還有許多重要的信息仍不可知。流行病學家埃德蒙茲認為，如果有一種可靠的測試能夠檢測出無症狀感染者，那麼這一部分人就可以從S組轉移到R組。這種測試將改變建模的規則，並很可能使病毒的傳播路徑也發生顯著變化。

為了顯示這種測試的重要性，英國牛津大學一個由理論流行病學家蘇尼特拉·古普塔（Sunetra Gupta）領導的團隊正在進行研究。該團隊假設英國有數百萬無症狀感染者。

除了無症狀感染者人數以外還有另一個重要的未知因素：人們對於行為限制措施的反應，以及這些措施是否能像科學家預期的那樣減少感染性接觸。

例如，中國的調查報告顯示，在當局實施社會隔離政策期間，武漢和上海的居民與其他人的日常接觸減少了7到9倍。

結語：盲目解除隔離或將引起第二波大爆發

帝國理工學院研究小組認為，在感染病例死亡率達到0.0002%每周之前，如果所有國家都採取嚴格的社會隔離、檢測、隔離感染者措施，全球COVID-19感染者死亡人數有望在今年年底減少到190萬以下。

弗格森本人表示，英國的隔離措施讓他「有理由相信」，英國的死亡總人數將被控制在2萬以下。

此外，弗格森還指出，為了扼制COVID-19病毒的傳播，歐洲的許多國家都在進行全國封鎖。但是考慮到經濟狀況及公民的身心健康，隔離措施還能進行多久是一個大問題。

目前，社會隔離措施延緩了病毒的傳播，但一旦取消這些措施，病毒可能會在今年晚些時候或明年爆發第二次大流行。

▲模型顯示，當前在美國採取的抗疫措施可以延緩疫情大規模爆發、避免醫療系統壓力過大。但今年晚些時候將發生第二波爆發。

為了有效遏制疫情，弗格森建議各國效仿韓國的做法。韓國對所有接觸者進行了追蹤，進行了大範圍的測試，由此實行了較為寬鬆的社會隔離政策。此外他還指出，如果要為研究人員提供建立準確預測模型所需的信息，則只能像中國湖北那樣，在解除封鎖後對各個地區保持密切監測。