專題：《科學(xué)大家》聚焦新型冠狀病毒
實(shí)時(shí)疫情入口
出品：科技《科學(xué)大家》、高山大學(xué)
撰文：郭毅可，英國皇家工程院院士、歐洲科學(xué)院院士、英國帝國理工大學(xué)教授、香港浸會(huì)大學(xué)副校長
編者按：截止3月3日，新冠疫情已導(dǎo)致80303人感染。疫情肆虐，如何能更好地研究病毒的傳播途徑？數(shù)據(jù)科學(xué)在這里面又起到了哪些作用？
實(shí)際上，流行病學(xué)本身是數(shù)據(jù)科學(xué)最重要的分支之一。在流行病疫情防控上，數(shù)據(jù)科學(xué)不止是統(tǒng)計(jì)每天的疫情數(shù)據(jù)，另外它還是理解流行病的傳染特性、傳染規(guī)律和控制策略的有效性的重要手段。
想要了解數(shù)據(jù)科學(xué)的作用，就需要從流行病的定義談起。傳染病是指由特定的傳染物（比如病毒、細(xì)菌），通過從受感體（人、動(dòng)物、植物）直接或間接地傳播給易感體，使易感體被傳染的疾病。
英國霍亂大暴發(fā)，多虧了數(shù)據(jù)科學(xué)
19世紀(jì)中期，英國本土暴發(fā)了霍亂。當(dāng)時(shí)科學(xué)家、醫(yī)生和政府官員對(duì)霍亂不了解，一籌莫展，眼睜睜看著疫情蔓延。這時(shí)，一些醫(yī)生觀察到，病人的分布常常是窮人區(qū)域里的比較多，且散發(fā)惡臭的地方比較容易得病，于是便提議用除臭劑來阻止霍亂流行，更有官員提出要把惡臭的地方徹底清掉。
但清洗倫敦后，霍亂開始了第二次暴發(fā)，死亡人數(shù)比第一次多了3倍之多。問題出在哪里呢？當(dāng)時(shí)人們做了很多觀察，但都沒有做統(tǒng)計(jì)意義上的分析。此時(shí)一位醫(yī)生約翰·斯諾，他走訪了死亡患者的家庭，了解有患者家庭和無患者家庭間的區(qū)別，對(duì)比他們的生活條件、周邊環(huán)境、生活方式有什么根本不同，收集了很多數(shù)據(jù)。
利用這些數(shù)據(jù)，約翰·斯諾最終確定霍亂暴發(fā)和水源有關(guān)。隨后，通過拒絕飲用倫敦蘇荷區(qū)寬街與蘇克萊星街交匯處的一處水井，倫敦霍亂患病率開始降低。
紀(jì)念斯諾而保留的水泵和他當(dāng)年調(diào)查繪制的地圖，圖自網(wǎng)絡(luò)
30年后，德國的微生物學(xué)家羅伯特·科赫發(fā)現(xiàn)霍亂的病原體“霍亂弧菌”，它能夠存活于水中，從而用科學(xué)證明了約翰·斯諾的假設(shè)。
斯諾通過比較兩個(gè)人群組在統(tǒng)計(jì)意義上的不同，找出區(qū)分它們的關(guān)鍵因素，從而找到致病的原因，這個(gè)方法在統(tǒng)計(jì)學(xué)里叫做“假設(shè)檢驗(yàn)”。斯諾以此為基礎(chǔ)創(chuàng)建了一門非常偉大的學(xué)科叫流行病學(xué)（Epidemiology），他也被稱為“流行病學(xué)之父”。為了紀(jì)念他，寬街的那口水井的水泵一直保留到現(xiàn)在，水井對(duì)面的酒吧被命名為“約翰·斯諾”。
研究流行病，就要找到病原、病的生成期、潛伏期、傳染性、嚴(yán)重性、確診性、病毒傳播的模式、風(fēng)險(xiǎn)分析、干預(yù)政策的設(shè)計(jì)和評(píng)估、疫情分析和預(yù)測(cè)。流行病學(xué)中的數(shù)據(jù)科學(xué)不一定很復(fù)雜。就目前暴發(fā)的新冠肺炎疫情，倫敦帝國理工學(xué)院的科學(xué)家做了一系列研究。
2020年1月18日，倫敦帝國理工學(xué)院發(fā)表了第一份對(duì)武漢的疫情分析，預(yù)測(cè)患者接近4000人，而當(dāng)時(shí)武漢確診的病例是41例。 科學(xué)家通過離開武漢到了國外確診的病例有7個(gè)，同時(shí)從國際航空?qǐng)?bào)告里知道武漢每天有3300人出國。
科學(xué)家把每天出國的3300人作為一個(gè)在武漢抽樣的樣本，患病周期是10天，所以總體樣本空間有33000人，其中7人是確診病例，這樣就可以算出感染的概率（7/3300*10）。
根據(jù)這個(gè)概率，可以計(jì)算出武漢的感染人數(shù)，雖然這是非常粗略的估計(jì)，但它卻有統(tǒng)計(jì)學(xué)上的意義。
用動(dòng)態(tài)數(shù)據(jù)模型來指導(dǎo)疫情防控
疫情每天都在變，健康的人變成感染的人，患者治愈了或不幸去世了，每天都有在動(dòng)態(tài)變化。
要掌握疫情的發(fā)展，特別是要了解干預(yù)政策怎樣影響疫情的動(dòng)態(tài)變化，就要建立流行病的動(dòng)態(tài)模型（SIR模型），這又是數(shù)據(jù)科學(xué)非常重要的問題。
上個(gè)世紀(jì)二十年代，兩位既是傳染病學(xué)家也是物理學(xué)家的英國科學(xué)家科馬克（W.O.Kermack）和馬肯德萊克（A.G.Makenclrick），他們是把人群分為還未被感染的（易感人群，Susceptibles）、感染了的（傳染人群，Infectives）、不再被/會(huì)感染的（免疫/死亡人群，封閉了的）群體，這三個(gè)群體之間的動(dòng)態(tài)關(guān)系。就可稱為SIR模型。
現(xiàn)在很多預(yù)測(cè)模型，千變?nèi)f化，但共同點(diǎn)就是在刻畫三個(gè)人群之間的動(dòng)態(tài)變化的規(guī)律。研究這個(gè)規(guī)律，我們要看：
（1）從易感者（S）到感染者（I），這個(gè)叫感染的傳播過程。我們要研究讓易感者避免被感染，控制易感人群變成傳染人群的速度，這便和干預(yù)措施有很大關(guān)系。
（2）從感染者（I）到不傳染（R）, 或叫被移除。不傳染有各種情況：一部分是治好了，一般來說病毒性的疾病治好了就有免疫力，不會(huì)再被傳染；一部分不幸死亡了，也不能再傳染；還有一部分我們能夠有很好的辦法隔離起來，比如方艙醫(yī)院，讓感染者不再傳染別人，也可以算是被移除的。
另外，還要看三個(gè)動(dòng)態(tài)變化人群之間的關(guān)系：
①在給定時(shí)間（t）里，易感人群還有多少；
②被傳染人群有多少（即已被感染并會(huì)傳染的人數(shù)，我們每天報(bào)的疫情有確認(rèn)的受感者，但報(bào)的是發(fā)現(xiàn)就診的， 通常這只是真正受感染的很少的一部分）；
③已經(jīng)治愈的和死亡的數(shù)據(jù)有多少。這個(gè)數(shù)目比較確定。
如何創(chuàng)建動(dòng)態(tài)系統(tǒng)數(shù)學(xué)模型？首先假設(shè)模型里每個(gè)人是在不斷游走的，沒有什么限制，接觸概率是相同的。我們來研究在這樣的環(huán)境里，傳染病是怎么傳播的。
然后開始有干預(yù)政策，不讓人群那么自由的流動(dòng)，減少人與人的接觸，這樣的模型就要做些改變。在動(dòng)態(tài)模型里，我們要找到感染速度、恢復(fù)速度等一系列特征量。
感染速度：S→I rate = b*StIt
感染速度（S→I rate），是描述易感者被感染的轉(zhuǎn)換過程的特征。
這個(gè)感染速度與兩個(gè)因素成正比：①被感染人群的大?。虎谝赘腥巳捍笮?。
所以，感染速度等于易感人群（St）與感染人群（It）的乘積，還要再乘上感染速率參數(shù)（b）。
感染速率參數(shù)與兩個(gè)因素有關(guān)：與傳染接觸的概率有關(guān)。人群接觸少的，參數(shù)就會(huì)小一點(diǎn)。艾滋病是靠性傳染，傳染接觸的概率一般不大， 而新冠病毒是靠飛沫傳染，傳染接觸的概率就大，要控制人與人的接觸就難一些；與疾病傳染性有關(guān)，也就是說，一旦接觸后被感染的概率有多大，或者說病毒的傳染性有多強(qiáng)。
恢復(fù)速度：I→R rate = a*It
恢復(fù)速度（I→R rate），就是從感染者到不再感染者的過程有多長，也是我們常說的傳染期。
恢復(fù)速度取決于感染人群的數(shù)量（It），和它的大小成正比。a是恢復(fù)速率參數(shù)，即如何讓感染者不再傳染?；謴?fù)速率參數(shù)與采取的措施有關(guān)，比如發(fā)現(xiàn)感染者及早完全隔離，切斷傳染，也和醫(yī)治有關(guān)系，如找到有效的治療方案。
有了相應(yīng)的特征值后，我們就可以建立很好的流行病動(dòng)態(tài)模型，研究三種人群之間動(dòng)態(tài)的關(guān)系。實(shí)際上倫敦帝國理工學(xué)院的報(bào)告也是在這個(gè)基礎(chǔ)上做的。
流行病動(dòng)態(tài)模型基本是一條曲線：開始很多人是易感人群，慢慢這個(gè)人群減下來，因?yàn)槎急桓腥玖?；感染人群慢慢上去了，到一定的地方出現(xiàn)拐點(diǎn)，因?yàn)闆]有那么多可以再感染的人群了；不被感染有很多因素，比如把人遷出去了，治愈的人變多了，建立方艙醫(yī)院隔離了感染者；還有一種是什么都不做，這樣拐點(diǎn)會(huì)被拖到很晚，很多人被感染，不過拐點(diǎn)總會(huì)出現(xiàn)的。
流行病動(dòng)態(tài)模型曲線的變化要看采取的防治措施、整個(gè)的醫(yī)療水平和干預(yù)的方法。
我們現(xiàn)在經(jīng)常會(huì)聽到R0，即基本繁殖率，指每一個(gè)感染個(gè)體引發(fā)的平均新發(fā)感染人數(shù)。
R0 1,一個(gè)人傳多人，感染傳播開始流行；
R0=1, 一個(gè)人傳一個(gè)人，感染保持恒定；
R0 1, 一個(gè)人傳少于一個(gè)人，感染開始消失。
計(jì)算R0需要有三個(gè)參數(shù)：R0=βcD傳播概率（β）:每次感染者與易感者之間每一次接觸并不等于一定會(huì)受到感染，這個(gè)參數(shù)決定病毒的強(qiáng)度。
接觸率（c）:人與人接觸的概率，有些病比如艾滋病通過性接觸傳染，接觸率不會(huì)很大。像SARS、新冠肺炎等通過空氣傳染，對(duì)接觸的管理就很難了。我們要避免人與人之間的接觸，要戴口罩等等，都是降低接觸率的辦法。
感染持續(xù)時(shí)間（D）:就是感染的治愈程度。除了治愈，不讓感染者繼續(xù)傳染也是縮短感染持續(xù)時(shí)間的辦法。
當(dāng)然還有減少易感人群（S），就是疫苗的作用，也能降低有效繁殖率（Rt）。Rt = St*R0
綜上，我們就可以建立一個(gè)完整的傳染病模型：
模型看起來很復(fù)雜，實(shí)際上是非常簡單的物理模型。有了這個(gè)模型，就可以把病毒離散化變成狀態(tài)方程，就可以解出來。
實(shí)際上，這個(gè)模型還是比較粗糙的，很多因素并沒有考慮在內(nèi)：比如控制交通之后參數(shù)的改變，比如方艙醫(yī)院建立以后對(duì)感染持續(xù)時(shí)間（D）的改變。這些因素放進(jìn)去之后，方程會(huì)變復(fù)雜，但基本思想是一樣的。
建立了一個(gè)刻畫疾病傳染的動(dòng)態(tài)方程后，利用數(shù)據(jù)科學(xué)把這個(gè)方程與疾病的觀察數(shù)據(jù)做擬合。
SIR模型最大的難點(diǎn)是數(shù)據(jù)很難獲得。哪怕是新冠肺炎這么重大的疾病流行時(shí)，要想把有關(guān)疾病的數(shù)據(jù)拿給科學(xué)家做分析也是很麻煩，另外這些數(shù)據(jù)分析都是“事后諸葛亮”。數(shù)據(jù)分析應(yīng)該是來指導(dǎo)政策的實(shí)施，而不僅僅是用來解釋政策。當(dāng)然，解釋政策也很重要，要對(duì)政策實(shí)施進(jìn)行評(píng)估。
那么能不能在傳染病暴發(fā)之前，通過獲得一些數(shù)據(jù)，把傳染病的傳染模型真正的研究出來呢？
大數(shù)據(jù)模擬， 讓數(shù)據(jù)分析不再“事后諸葛亮”
2018年，西班牙大流感暴發(fā)100周年，BBC決定拍攝一部紀(jì)錄片來講講流行病如何防治。問題是流感發(fā)生在100年前，當(dāng)時(shí)的場景無法還原恢復(fù)。此時(shí)，劍橋大學(xué)女教授朱莉·果戈（Julia Gog）設(shè)計(jì)一個(gè)APP來模擬大流感。
APP可以收集每個(gè)人的位置信息、也可以報(bào)告用戶之間的交互，有了這些數(shù)據(jù)就開始模擬流感。假定一個(gè)R0值，就可以看這個(gè)流感如何感染一個(gè)人；用什么辦法控制一個(gè)區(qū)域，看R0值會(huì)有什么變化，或者傳染率、傳染速度也都可以模擬。
BBC Pandemic，大流感模擬實(shí)驗(yàn)APP
這個(gè)APP叫BBC Pandemic，有80,000多人下載。BBC Pandemic采的數(shù)據(jù)是公開的，同時(shí)BBC有很好的保護(hù)數(shù)據(jù)私密性的辦法和措施。用戶可以匿名報(bào)告自己的信息，比如性別、年齡、健康狀況、職業(yè)（這很重要，關(guān)系到不同人的交往方式）。在用戶許可的前提下，機(jī)器會(huì)不斷上報(bào)用戶的位置信息。數(shù)據(jù)傳到后臺(tái)云上后，系統(tǒng)會(huì)根據(jù)傳染率通知用戶在接觸過程中是否被感染。
通過所有收集的數(shù)據(jù)最終可以做到，雖然沒有在現(xiàn)實(shí)中發(fā)生傳染病，但是已經(jīng)可以通過模擬，知道傳染病的傳染方式和發(fā)展情況。
模擬完之后就可以來做對(duì)策，比如接種疫苗、做隔離等等的，這些措施的效果如何，全部可以被模擬出來。
整個(gè)APP的操作非常簡單，而且參與者都很喜歡，像一個(gè)和感染作戰(zhàn)的游戲。最終，BBC實(shí)現(xiàn)了對(duì)1918年西班牙大流感的模擬，并且收集了很多的數(shù)據(jù)，出了很多的研究文章，研究對(duì)這樣的傳染病暴發(fā)的各種各樣干預(yù)方案的效果。該實(shí)驗(yàn)的結(jié)果發(fā)表在2018年《Epidemics》雜志上。
現(xiàn)在國內(nèi)也有類似的系統(tǒng)，如阿里巴巴大數(shù)據(jù)疫情監(jiān)控云屏、中國移動(dòng)疫情專項(xiàng)分析服務(wù)、科大訊飛地方政府大數(shù)據(jù)疫情防控解決方案、個(gè)體移動(dòng)軌跡追蹤等等。
但是，這些分析服務(wù)都是在疫情暴發(fā)以后，實(shí)際上根本不需要等待疫情暴發(fā)，我們就完全可以建立這樣的系統(tǒng)，這樣，對(duì)于流行病，完全可以做到未卜先知。
由此，我們可以看到數(shù)據(jù)科學(xué)的重要作用：完全可以在一個(gè)疾病沒有發(fā)生的時(shí)候，模擬疾病產(chǎn)生的可能，模擬各種防治方案的效果。這樣，我們就可以做到科學(xué)精準(zhǔn)的決策。不要等傳染病來了再來求助于大數(shù)據(jù)，這樣太晚了，付出的代價(jià)也太大。
智慧城市要有免疫力和抗災(zāi)力
基于大數(shù)據(jù)的疾病防控系統(tǒng)應(yīng)該是我們建設(shè)智慧城市的一個(gè)根本出發(fā)點(diǎn)。大家都在做智慧城市，有智慧交通、智慧安防等等。但是一個(gè)城市真正想要有智慧，它就要有兩個(gè)重要的方面：要清楚有很多信息可以采集；必須能夠預(yù)見未來。
中國是大數(shù)據(jù)非常豐富的國家，運(yùn)營商、互聯(lián)網(wǎng)公司有大量的數(shù)據(jù)，能不能夠用好它，真正把城市的免疫力、防災(zāi)性建立起來，這很重要。
疫情發(fā)生后，有了AI疫情應(yīng)急大數(shù)據(jù)一體化智能測(cè)溫預(yù)警解決方案，就能把數(shù)據(jù)都收集起來，但這個(gè)數(shù)據(jù)是“事后諸葛亮”?，F(xiàn)在監(jiān)控分析的是對(duì)有疫情城市的監(jiān)控。有了疫情應(yīng)急決策系統(tǒng)，比如疫情應(yīng)急管理資源物資大數(shù)據(jù)、教育局疫情大數(shù)據(jù)決策系統(tǒng)。但這些系統(tǒng)的數(shù)據(jù)，沒有在疫病之前，把預(yù)案做好，所以我們只能在今天的實(shí)踐中試錯(cuò)，錯(cuò)了再改，付出的代價(jià)非常大。
所以，數(shù)據(jù)科學(xué)的可預(yù)見性非常重要。做大數(shù)據(jù)研究不是僅僅把生活中的數(shù)據(jù)拿來考慮怎么做好物流、怎么讓不買東西的人去買東西，這些不是數(shù)據(jù)科學(xué)的全部內(nèi)容。真正的數(shù)據(jù)科學(xué)是真真實(shí)實(shí)地知道現(xiàn)在，從而可以精確地預(yù)見未來，這是數(shù)據(jù)科學(xué)對(duì)社會(huì)、對(duì)人民最大的重要性。希望以后我們的城市能夠變得真正有免疫的能力，疫病來了以后我們有抗災(zāi)的能力，能夠保證人民生活的健康，保證他們的幸福生活。
推薦
《科學(xué)大家》欄目精彩文章匯總
《科學(xué)大家》專欄投稿郵箱：sciencetougao@sina.com 來稿請(qǐng)注明姓名、單位、職務(wù)
