Наступна Ебола важко передбачити, але "Прогнозування спалаху" може допомогти

2-річний хлопчик у сільській Гвінеї помер від Еболи в грудні 2014 року. Протягом наступних двох років майже 30 тисяч людей у ​​Західній Африці будуть заражені вірусом Ебола.

Чому, на відміну від попередніх 17 спалахів лихоманки Еболи, чи так вона зросла так швидко? Що, якщо що-небудь, можна зробити для запобігання майбутніх спалахів? Ці питання, разом з багатьма іншими, знаходяться в центрі зароджуваного наукового поля прогнозування спалахів. І ставки не можуть бути вищими. У січні Всесвітній економічний форум назвав пандемію одним з найбільших ризиків для бізнесу та людського життя.

Протягом останніх кількох століть вчені стали краще передбачати багато аспектів світу, включаючи орбіту планет, відливи і припливи, і шляхи ураганів. Можливість розуміння природних і фізичних систем достатньо для того, щоб зробити точні прогнози, можливо, є одним з найбільших досягнень людства.

Велика частина цього успіху при прогнозуванні починається з фундаментального розуміння Ісака Ньютона, що існують незмінні універсальні закони, які регулюють природні явища навколо нас. Здатність швидко виконувати великі обчислення сприяла ньютонівській точці зору, що, з огляду на достатню кількість даних і обчислювальної потужності, можна передбачити найскладніші явища.

Однак існують обмеження. Як вчені, які вивчають такі види прогнозних систем, ми сумніваємося, що можна буде точно передбачити, що станеться далі при спалаху хвороби, тому що найважливіші змінні можуть так сильно змінюватися від однієї спалаху до іншої.

Ось чому, як і при прогнозуванні погоди, збір даних у реальному часі, ймовірно, має важливе значення для підвищення здатності наукового співтовариства прогнозувати спалахи.

Примхливі епідемії

Ідея про те, що вчені можуть моделювати епідемії, ґрунтується на уявленні про те, що траєкторія кожного спалаху є передбачуваною через його внутрішні і незмінні властивості.

Скажімо, хвороба викликана трансмісивним збудником. Інфекційність цього захворювання може бути інкапсульована в число, яке називається «базовим коефіцієнтом репродуктивності», або R0, числом, що описує, наскільки широко патоген може поширюватися в даній популяції.

Якщо епідеміологи знають достатньо про R0 збудника, то сподіваємося, що вони можуть передбачити аспекти свого наступного спалаху - і, сподіваюся, запобігти виникненню епідемій у малих масштабах. Вони можуть зробити це, мобілізуючи ресурси в райони, де патогенні мікроорганізми мають особливо високі значення R0. Або вони можуть обмежити взаємодію між носіями хвороби та найбільш чутливими членами даного суспільства, часто дітьми та літніми людьми.

Таким чином, R0 інтерпретується як незмінне число. Але сучасні дослідження показують, що це не так.

Наприклад, розглянемо епідемію вірусу Зіка. Для цього захворювання R0 становив від 0,5 до 6,3. Це чудовий проміжок, починаючи від хвороби, яка самостійно розсіюється до тієї, яка призведе до тривалої епідемії.

Можна подумати, що цей широкий діапазон значень R0 для Zika виникає з статистичної невизначеності - що, можливо, вченим просто потрібно більше даних. Але це було б в основному неправильно. Для Зіки безліч факторів, від клімату та комарів до присутності інших споріднених вірусів, таких як лихоманка Денге та роль сексуальної передачі, призводять до різних значень R0 у різних умовах.

Виявляється, що особливості епідемії - заразність патогена, швидкість передачі, наявність вакцин, тощо - змінюються настільки швидко в ході однієї спалаху, що вчені здатні прогнозувати динаміку тільки протягом цього спалаху. Іншими словами, вивчення спалаху вірусу вірусу Ебола в квітні 2014 року може допомогти вченим зрозуміти спалах Еболи в тому ж місці в наступному місяці, але часто це набагато менш корисно для розуміння динаміки епідемій Еболи, наприклад, такої, яка сталася у травні 2018 року.

Епідемії часто не є акуратними та пов'язаними з явищами. Це шумні випадки, коли багато змінних відіграють істотну роль, але змінюються. Не існує основної істини хвороби - лише нестабільна колекція деталей, яка змінюється, часто заплутуючись, коли хвороба поширюється.

Кращі прогнози

Якщо вчені не впевнені, що вони здатні розуміти епідеміологічні системи достатньо добре, щоб спрогнозувати поведінку споріднених, то навіщо їх турбувати?

Відповідь може міститися в тому, що ми називаємо «м'якою фізикою» прогнозування: вчені повинні припинити припускати, що кожна епідемія дотримується тих самих правил. При порівнянні однієї спалаху з іншою, вони повинні мати на увазі всі контекстні відмінності між ними.

Наприклад, біологи виявили багато деталей про інфекції грипу. Вони знають, як віруси зв'язуються з клітинами-господарями, як вони повторюються, і як вони розвиваються стійкість до противірусних препаратів. Але одна епідемія могла початися, коли велика кількість населення використовувалася громадським транспортом у певний день місяця, а інша може бути ініційована громадою на релігійній службі. Хоча обидва спалахи мають коріння в одному і тому ж інфекційному агенті, ці та багато інших відмінностей у їхніх характеристиках означають, що вченим може знадобитися переосмислити, як вони моделюють, як кожен прогресує.

Щоб краще зрозуміти ці дані, вченим потрібні значні інвестиції в дані реального часу. Врахуйте, що Національна служба погоди витрачає понад 1 млрд. Доларів на рік на збір даних і прогнозування. CDC витрачає лише чверть на статистику охорони здоров'я і не має виділеного бюджету для прогнозування.

Нагляд за захворюваннями залишається однією з галузей науки з високими ставками. Ретельний розгляд унікальних обставин, що лежать в основі спалахів і більш відповідального збору даних, може врятувати тисячі життів.

Цю статтю було спочатку опубліковано на бесіді К. Брандона Огбуну, Рендалла Харпа і Самуїла В. Скарпіно. Читайте оригінальну статтю тут.