次のエボラは予測するのが難しいです、しかし、「発生予測」は助けることができます

2014年12月に、ギニア農村の2歳の男の子がエボラで死亡しました。今後2年間で、西アフリカの約3万人がエボラウイルスに感染することになります。

以前の17回のエボラ感染症とは異なり、なぜこれが非常に大きく成長したのか将来の発生を防ぐためにできることは何でしょうか。これらの質問は、他の多くの質問と一緒に、発生予測の新生科学分野の中心にあります。そして賭け金はそれ以上にはなり得ません。 1月に、世界経済フォーラムは、パンデミックを、ビジネスと人間の生活にとって最大のリスクの1つと呼びました。

過去数世紀にわたり、科学者たちは惑星の軌道、干潮と潮の流れ、ハリケーンの経路など、世界のさまざまな側面を予測することがますます上達してきました。正確な予測をするのに十分なほど自然や物理のシステムを理解する能力は、おそらく人類の最大の成果の1つです。

この予測の成功の多くは、私たちの周りの自然現象を支配する不変の普遍的な法則があるというアイザックニュートンの基本的な洞察から始まります。大量の計算を迅速に実行する能力は、十分なデータと計算能力があれば、最も複雑な現象を予測できるというニュートンの見方を助長しました。

ただし、制限があります。これらの種類の予測システムを研究する科学者として、私達は病気の発生で次に起こることを正確に予測することが可能になるかどうか疑問に思います。

これが、天気予報と同様に、リアルタイムのデータを収集することが科学界の発生を予測する能力を向上させるために不可欠である可能性が高い理由です。

気まぐれな伝染病

科学者が流行病をモデル化することができるという考えは、それぞれの発生の軌跡はその本質的で不変の性質のために予測可能であるという概念に基づいています。

病気が伝染性病原体によって引き起こされているとしましょう。その病気の感染性は、「基本的な生殖比率」またはR0と呼ばれる数でカプセル化することができます。これは、病原体が特定の集団でどれだけ広く広がる可能性があるかを表す数です。

疫学者が病原体のR0について十分に知っているならば、彼らがその次の発生の局面を予測することができることを望みます - そしてうまくいけば、小規模の大発生が大規模な流行になるのを防ぎます。彼らは、病原体が特に高いR0値を持つ地域に資源を動員することによってこれを行うかもしれません。あるいは、病気の保因者と与えられた社会の最も影響を受けやすいメンバー、多くの場合子供と高齢者との間の相互作用を制限するかもしれません。

このように、R0は不変数として解釈されます。しかし、現代の研究はこれが事実ではないことを示しています。

たとえば、ジカウイルスの流行を考えてみましょう。この疾患では、R0は0.5から6.3の範囲でした。これは注目すべき期間であり、それ自体で消散する疾患から長期の流行を引き起こすものまでの範囲にわたる。

Zikaのこの広範囲のR0値は統計的な不確実性から生じていると考える人もいるかもしれません - 科学者はもっと多くのデータを必要としているのかもしれません。しかし、それはほとんど間違いです。ジカにとって、気候や蚊から、デング熱のような他の関連ウイルスの存在や性感染の役割まで、無数の要因が、さまざまな状況でさまざまなR0値をもたらします。

流行の特徴 - 病原体の伝染性、伝染率、ワクチンの入手可能性など - が単一の発生の過程で急速に変化するため、科学者はその発生の過程でのみダイナミクスを予測することができます。 。言い換えれば、2014年4月にエボラウイルス病の発生を研究することは、来月同じ環境でエボラの発生を理解するのに科学者を助けるかもしれませんが、それが起こるような将来のエボラ流行のダイナミクスを理解するためにそれほど役に立ちません2018年5月に

流行病は、よくまとまった現象ではありません。それらは、多くの変数が本質的ではあるが変化する役割を果たす騒々しい出来事です。病気の根本的な真実はありません - 病気が広がるにつれて変わる、しばしば絡み合うようになる詳細の不安定なコレクションだけ。

より良い予測

科学者が疫学的システムを理解して関連するものの行動を予測するのに十分なほど自信が持てないのなら、なぜそれらを勉強するのは面倒なのでしょうか。

答えは、私たちが予測の「ソフトフィジックス」と呼ぶものにあるかもしれません：科学者は、すべての発生が同じ規則に従うと仮定するのを止めるべきです。 1つの発生を別の発生と比較するとき、それらはそれらの間の文脈上の違いの全てを覚えておくべきです。

例えば、生物学者はインフルエンザ感染についての多くの詳細を明らかにしました。彼らは、ウイルスがどのように宿主細胞に結合するか、それらがどのように複製するか、そしてそれらが抗ウイルス薬に対する耐性をどのように進化させるかを知っている。しかし、大流行が月の特定の日に公共交通機関を使用したときに1つの流行が始まったかもしれませんが、別の流行は宗教奉仕の会衆によって引き起こされたのかもしれません。両方の発生は同じ感染性病原体に起因していますが、それらの詳細におけるこれらおよび他の多くの違いは、科学者がそれぞれがどのように進行するかをモデル化する方法を見直す必要があることを意味します。

これらの詳細をよりよく理解するために、科学者はリアルタイムデータへの多大な投資を必要とします。 National Weather Serviceが年間10億ドル以上をデータ収集と予測に費やしているとします。 CDCは公衆衛生統計に4分の1しか費やしておらず、予測のための専用予算もありません。

疾病監視は依然として科学の最も重要な分野の1つです。発生の根底にある特有の状況やデータのより責任ある収集を慎重に検討することで、数千人の命を救うことができます。

この記事はもともとC. Brandon Ogbunu、Randall Harp、そしてSamuel V. ScarpinoによってThe Conversationに掲載されました。ここで元の記事を読んでください。