Следующая Эбола трудно предсказать, но «Прогнозирование вспышки» может помочь

Двухлетний мальчик в сельской Гвинее умер от Эболы в декабре 2014 года. В течение следующих двух лет почти 30 000 человек в Западной Африке будут заражены вирусом Эбола.

Почему, в отличие от предыдущих 17 вспышек лихорадки Эбола, эта вспышка стала такой большой, так быстро? Что, если что, можно сделать, чтобы предотвратить будущие вспышки? Эти вопросы, наряду со многими другими, лежат в основе зарождающейся научной области прогнозирования вспышек. И ставки не могут быть выше. В январе Всемирный экономический форум назвал пандемии одним из самых серьезных рисков для бизнеса и жизни человека.

За последние несколько веков ученые стали лучше предсказывать многие аспекты мира, включая орбиту планет, приливы и отливы и пути ураганов. Способность понимать природные и физические системы достаточно хорошо, чтобы делать точные прогнозы, возможно, является одним из величайших достижений человечества.

Большая часть этого успеха в прогнозировании начинается с фундаментального понимания Исаака Ньютона о том, что существуют неизменные универсальные законы, которые управляют природными явлениями вокруг нас. Способность быстро выполнять большие вычисления способствовала ньютоновской перспективе, согласно которой при достаточном количестве данных и вычислительной мощности можно прогнозировать наиболее сложные явления.

Однако существуют ограничения. Как ученые, которые изучают такие виды прогностических систем, мы сомневаемся, что можно будет точно предсказать, что будет дальше в случае вспышки заболевания, потому что наиболее важные переменные могут сильно изменяться от одной вспышки к другой.

Вот почему, как и в случае прогнозирования погоды, сбор данных в режиме реального времени, вероятно, необходим для повышения способности научного сообщества прогнозировать вспышки.

Капризные Эпидемии

Идея о том, что ученые могут моделировать эпидемии, основана на представлении о том, что траектория каждой вспышки является предсказуемой из-за ее внутренних и неизменных свойств.

Скажем, болезнь вызвана трансмиссивным возбудителем. Инфекция этого заболевания может быть заключена в число, называемое «базовым репродуктивным соотношением», или R0, число, описывающее, насколько широко патоген может распространяться в данной популяции.

Если эпидемиологи знают достаточно о R0 патогена, надежда состоит в том, что они могут предсказать аспекты его следующей вспышки - и, мы надеемся, предотвратить превращение мелких вспышек в крупномасштабные эпидемии. Они могут сделать это путем мобилизации ресурсов в районах, где патогены имеют особенно высокие значения R0. Или они могут ограничивать взаимодействие между носителями болезней и наиболее восприимчивыми членами данного общества, часто детьми и пожилыми людьми.

Таким образом, R0 интерпретируется как неизменное число. Но современные исследования показывают, что это не так.

Например, рассмотрим эпидемию вируса Зика. Для этого заболевания R0 составлял от 0,5 до 6,3. Это замечательный период, начиная от болезни, которая сама рассеется, до той, которая вызовет длительную эпидемию.

Можно подумать, что этот широкий диапазон значений R0 для Zika проистекает из статистической неопределенности - что, возможно, ученым просто нужно больше данных. Но это было бы в основном неправильно. Для Зики множество факторов, от климата и комаров до присутствия других связанных вирусов, таких как Денге и роль передачи половым путем, - все это приводит к различным значениям R0 в разных условиях.

Оказывается, что особенности эпидемии - заразность возбудителя, скорость передачи, доступность вакцин и т. Д. - изменяются так быстро в течение одной вспышки, что ученые могут прогнозировать динамику только в ходе этой вспышки., Другими словами, изучение вспышки болезни, вызванной вирусом Эбола, в апреле 2014 года может помочь ученым понять вспышку болезни, вызванной вирусом Эбола, в той же обстановке в следующем месяце, но зачастую это гораздо менее полезно для понимания динамики будущих эпидемий Эболы, таких как та, которая произошла в мае 2018 года.

Эпидемии часто не являются аккуратными и связанными явлениями. Это шумные случаи, когда многие переменные играют важную, но меняющуюся роль. Нет основной истины о болезни - только нестабильный набор деталей, которые меняются, часто запутываясь, по мере распространения болезни.

Лучшие прогнозы

Если ученые не уверены, что могут достаточно хорошо понять эпидемиологические системы, чтобы предсказать поведение связанных, зачем их изучать?

Ответ может заключаться в том, что мы называем «мягкой физикой» предсказания: ученые должны прекратить предполагать, что каждая вспышка следует тем же правилам. При сравнении одной вспышки с другой, им следует учитывать все контекстуальные различия между ними.

Например, биологи раскрыли много деталей об инфекциях гриппа. Они знают, как вирусы связываются с клетками-хозяевами, как они размножаются и как они развивают устойчивость к противовирусным препаратам. Но одна эпидемия могла начаться, когда большая часть населения пользовалась общественным транспортом в определенный день месяца, тогда как другая могла быть инициирована собранием на религиозной службе. Хотя обе вспышки связаны с одним и тем же инфекционным агентом, эти и многие другие различия в их особенностях означают, что ученым, возможно, придется пересмотреть то, как они моделируют прогресс каждой из них.

Чтобы лучше понять эти особенности, ученым необходимы значительные инвестиции в данные в реальном времени. Учтите, что Национальная метеорологическая служба тратит более 1 миллиарда долларов в год на сбор данных и составление прогнозов. CDC тратит только четверть на статистику общественного здравоохранения и не имеет специального бюджета для прогнозирования.

Эпиднадзор за болезнями остается одной из самых важных областей науки. Тщательное рассмотрение уникальных обстоятельств, лежащих в основе вспышек, и более ответственный сбор данных могут спасти тысячи жизней.

Эта статья была первоначально опубликована в «Беседе» К. Брэндоном Огбуну, Рэндаллом Арфом и Сэмюэлем В. Скарпино. Прочитайте оригинальную статью здесь.