友導讀
傳染病疫情的爆發，對全球人口的健康安全都是巨大威脅。在過去一百年裡，奪去最多性命的災難不是一戰和二戰，而是1918年的西班牙流感。超級疫情還會再次發生，而且不知道是什麼時候。我們又該如何對抗下次疫情爆發，併為之做好準備？
本文將為您介紹一個有近3萬人參與的大型實驗“BBC Pandemic，這個英國曆史上最大規模的傳染病演習實驗，模擬了傳染病爆發時在英國可能出現的情景，並通過大量數據的收集，建立“傳染病傳播模型”，它說明：在“超級疫苗”誕生之前，對抗下次疫情爆發的重要盾牌，或許就是大數據！
本文長度約4682字，閱讀全文大概需要9分鐘
傳染病疫情的爆發，對全球人口的健康安全都是巨大威脅。在過去一百年裡，奪去最多性命的災難不是一戰和二戰，而是1918年的西班牙流感。
超級疫情還會再次發生，而且根本不知道是什麼時候。我們如何對抗下次疫情爆發，併為之做好準備？
英國BBC做了這樣一個有近3萬人參與的大型實驗“BBC Pandemic”，並將過程拍成了紀錄片。這是英國曆史上最大規模的傳染病演習實驗，模擬爆發時在英國可能出現的情景。這個大型實驗收集了大量信息，並建立出了“傳染病傳播模型”：對抗下次疫情爆發的重要盾牌，或許就是大數據！
傳染病傳播的大數據模型
英國各處都有秘密倉庫，貯藏著防護服、抗病毒藥等必需品，為下次疫情爆發做準備。但有些問題更關鍵：這些必需品如何在正確的時間出現在正確的地方？因此非常需要一個數學模型，來預測病毒會如何傳播、有多少人會受感染。
這樣的模型能夠協助政府做出重要決定，比如：醫院是否有足夠的病床？是否需要關閉機場？是否有足夠的抗病毒藥？需要多少防護服？需要多少屍袋？這些問題都關係到生與死，正確的決策可以拯救千萬條生命。
建立這樣的模型需要大數據輸入，數據分析人員需要了解病毒的擴散路徑、和人與人的互動方式，數據越豐富細緻，就越能夠準確地模擬出下次疫情在英國爆發時的情形。
BBC主持人Hannah Fry走訪了傳染病學的模型研究專家Adam Kucharski醫生。
醫生說：“有些信息對建立傳染病傳播模型會非常有用：一是人與人如何會面與互動，二是人們如何移動。獲得這些信息對21世紀的科技來說完全可以實現，但我們的已有數據都不是為了傳染病分析而設計的。比如知道人群的位置，卻不知道人們如何互動；也有些數據是關於互動方式，卻沒有與活動路線關聯。將這兩者連接，對建立傳染病分析的大數據模型很重要。”
“要推算疫情在整個英國發生的情況，需要分佈在全國的至少1萬個人的數據樣例。參與者提供年齡、性別、職業信息、一天時間裡都與誰互動、與多少人見面、加上移動的地點，把這些信息融合在一起，這個模型就會很精準了。”
為了建立這樣一個在疫情爆發時可能會挽救千萬性命的數學模型，BBC的研究人員與醫生們合作，開發了一個叫做“BBC Pandemic”的智能手機app軟件。
“零號病人”來到小鎮
第一場實驗是在一個叫做Haselmere的英國小鎮進行的，這樣可以“近距離地觀察”疫情如何爆發和擴散。
小鎮上的500名志願者下載激活“BBC Pandemic”手機軟件後，劍橋數據中心的屏幕地圖上就顯示出了藍色的點。
實驗的設定是：所有人都是健康的、未被感染的，只有接觸到病毒攜帶者才會被感染。
志願者輸入年齡、性別、職業，並且記錄三天時間裡和他人見面的互動方式。GPS每五分鐘就會記錄一次他們的位置，這些信息都會被匿名發送到位於劍橋的數據分析中心。
小鎮的參與者們挺興奮，還拍起了“實驗日記”。他們這麼放鬆當然是因為這個疫情只是模擬演習。
一場疫情的爆發，都是從“零號感染者”來到社區開始的。比如2014年，埃博拉在西非爆發，始於一個2歲的小男孩，他喜歡在有蝙蝠的樹下玩，因而被病毒感染，他就是“零號病人”。
這次小鎮疫情的“零號病人”就是主持人本人。Hannah扮演已經被病毒感染、卻不自知的第一位病人。她在小鎮里正常活動，為了不影響小鎮居民的日常行為，她佩戴了隱形攝像頭。
每種病毒的傳播方式都不同。比如艾滋病毒，會在感染者身體裡掩藏很多年的時間才出現症狀。甚至一些流感病毒，你也可能攜帶著它正常活動一整天而沒有任何感覺。因此病毒攜帶者很有可能並不知道自己正在傳播疾病。
主持人一天裡去了瑜伽課、書店、五金店、咖啡廳、超市，又在酒吧裡度過了幾個小時。
參與者在視頻日記裡說，他們仍然在正常生活，並不知道有什麼事情發生，也不知道自己是否被感染。
而在劍橋，數學團隊正在忙碌讀取參與者的GPS數據，不斷輸入傳染病模型。他們設置了一系列規則：1. 這是一種新病毒，沒有人免疫；2. 它高度傳染，距離越近、互動時間越長，感染可能性越高。他們日夜整理數據，計算著小鎮有多少人被“零號病人”感染了。
3天之後，小鎮志願者們的命運揭曉。結果是，很多人都被感染了。
軟件也能透露你傳染了多少人。“超級傳染者”是五金店的店員，她感到很不可思議，自己傳染了8個人。
當主持人Hannah來到了劍橋數據中心，領隊Julia Gog教授向她解釋疫情爆發的過程。屏幕上可以看到參與者的運動路徑，但並不是在同一地點停留的人都會感染，這和互動方式以及會面時間有關。參與者被感染時，藍色的點就變成了紅色。
主持人Hannah一共感染了9個人，在1天的時間裡，小鎮就有72人被感染了。到了第3天，病毒已經離開小鎮，就跟野火一樣四處蔓延，地圖上紅色的點無處不在。
3天時間，整個小鎮86%的參與者都被感染了病毒。
數學模型如何幫我們做決策
Gog教授說，有了這樣一個信息豐富的數學模型，我們就可以進行各種干預，模擬不同的結果，這可以幫助我們做出正確的決策。
比如，如果我們能夠識別“超級傳染者”的類型，對控制疫情會非常有幫助。假設我們研製出了疫苗，但數量和時間有限，不可能同時給所有人，那麼先給誰？如果能夠識別“超級傳染者”，並先給他們注射疫苗，會極大地改變疫情擴散的速度。
Gog教授演示了兩種模型：屏幕左邊是未注射疫苗的模型，右側的模型是把傳染3個以上的人識別為“超級傳染者”，並事先注射了疫苗的情況。在“小鎮疫情”這個實驗中，“超級傳染者”有46個人。可以看到，有選擇地給10%的人口注射疫苗，疫情擴散的結果就會大為不同，到了3天以後，最終的感染者少了40%！
如何識別“超級傳染者”？真實世界中，商店店員、學校老師等職業，會頻繁與人接觸，都可能是“超級傳染者”。但也有些易傳染者，職業特徵並不鮮明。
倫敦皇家理工大學的科學家研究得知：有些志願者身體裡複製的病毒數量和速度是其他人的幾十倍，他們更容易傳染其他人，“超級傳染者”的存在也很可能是基因使然。
而這個“傳染病傳播模型”最關鍵的作用是，數據分析師可以模擬各種防疫手段並比較結果：比如，如果提前一天關閉學校，會是什麼樣的情形？如果關閉人們聚會的咖啡和酒吧呢？是不是必須要讓所有人都待在家裡？這些數據給了很多防疫的可能性，讓這個小鎮在疫情爆發時也許會倖存下來。
一場3萬人的大型傳染病模擬實驗
但病毒不會只在小鎮停留。在做這個實驗時，一些“感染者”已經把“病毒”帶入了全國。“BBC Pandemic”的傳染病模擬實驗，除了在小鎮裡進行，更重要的是動員全英民眾來參與。
有這樣的大數據模型可能產生什麼結果？差距很可能是，NHS（英國國家醫療服務體系）一天收治100個感染者，和一天收治10000個感染者的差距！
傳染病學的模型研究專家Kucharski醫生希望能獲得1萬志願者的數據。主持人感受到了重任！
Hannah去到BBC Radio 4 廣播節目講解這個項目的意義，動員人們下載軟件參加實驗。
她還拜訪了年輕的互聯網公司，在這個房間裡工作的人全都是Facebook， Instagram，twitter的常駐用戶。他們在互聯網發起呼籲，邀請大家來參與。令主持人乍舌的是，5個小時裡就有10萬人觀看了宣傳視頻！
最終參與實驗的人數達到令人驚喜的2萬9千人！主持人和專家們都非常興奮，這樣的數據庫會對建設全國防疫系統有極大幫助。
這場實驗，需要參與者在24小時的時間裡，不斷記錄和與他人的互動方式，並且GPS每5分鐘就記錄參與者所在地點，這樣，數據中心就可以瞭解到超級疫情在全國擴散的整個過程。
數據分析團隊把疫情的傳染性設置為了R1.8，平均一個感染者會傳染1.8個人。這不是特別高的設定，有的病毒能夠達到1個感染者傳染20人。
在小鎮疫情爆發後，在新型病毒疫苗研發出之前，全英會有多少人被感染？多少人死亡？結果揭曉。
3萬人提供了數據。顯示出的結果是慘烈的。
倫敦首先就變紅了，感染人數上升得極其快，最終，全國有4千3百萬人都被感染了！只有生活在小島上的人避開了疫情。
死亡數字更加驚人。1919年，西班牙流感殺死了15萬英國人。而模型裡這個R1.8、致死率2%的病毒，在當代的英國，死亡人數達到了88.7萬！
醫生和主持人看到這個數字都震驚極了，疫情爆發的結果很可能就是如此嚴酷和沉重。最可怕的是時間線，僅需1個月的時間，全倫敦就被感染了，2個月就擴散到了英國北部。而研製疫苗需要起碼4個月的時間，時間的緊迫不容樂觀。
下次疫情必定會爆發，我們做好準備了嗎？
2009年發生的豬流感疫情，相對來說致死率較低，但NHS（英國國家醫療系統）也感到難以應付，被感染的人數太多了。
NHS面對的最大挑戰是什麼？傳染病防疫專家Chloe Sellwood醫生說：“NHS正在為最糟的疫情做準備。最讓人擔心的是疫情發生的速度，大量的感染案例都出現在一兩個星期裡。如果感染人數能在更長的時間段相對緩慢地增加，NHS的應對就會從容得多。”
我們需要尋找讓疫情擴散變緩的方式，這時大數據模型就能提供有用的指導，幫助做出決策。長期關閉學校和公共交通，會對社會和經濟有極大的影響，這時，數學模型可以在其中尋找平衡點。
還有一個非常簡單有效的應對方式，在疫情發生時，政府要傳達給公眾重要的信息就是：洗手！
公眾在疫情期間更加註意洗手的話，會對疫情擴散的速度有什麼影響？
Gog教授又進行了這樣的演算：如果疫情期間每人每天比平時多洗手5-10次的話，對比模型可以看到，感染人數的增長要緩慢得多！最終的感染人數，是原模型感染人數的3/4，也就是說，近千萬人，因為勤洗手而沒有被感染，有幾十萬的生命因洗手被挽救了！
BBC的這次大型實驗也引發了公眾的思考：如果有疫情發生，作為個體都可以做些什麼？人們會更有意識地自覺留在家裡、多洗手和清潔、取消聚會活動、甚至與親人隔離。
如果我們都在行動上配合，是有可能讓疫情爆發緩慢下來的。但最重要的希望，還是在於提前防禦它的爆發。
全世界的科學實驗室都在尋找答案。UCL倫敦大學學院的生物工程師Tarit Mukhapadhyay醫生說，他的團隊Holy Grail正在尋找更激進的方法，讓大量的疫苗在極短的時間研發出來。他們的目標是研製出普遍適用的病毒疫苗，不用每年換新疫苗，或者等待一個新的疫情發生再去研發。
目前生產的疫苗難有“普遍性”，是因為無法識別已經變異的病毒，病毒就好像穿上了“新外套”，而讓舊的疫苗失去作用，這是目前生產疫苗的最大難題，必須和新病毒一一對應。
Holy Grail團隊正在研發一種疫苗，專門攻擊病毒中“不變”的部分，即使病毒變異出了不同的“新外套”，它也能夠識別並阻止其複製。這樣的疫苗就具有了“普遍性”，但是研發出“超級疫苗”並投入市場，可能還需要至少10年的時間。
主持人Hannah說，在“超級疫苗”誕生之前，可能大數據模型協助下的決策，就是當下最有效的防疫手段。3萬志願者的參與，讓這一切都有了可能。
安瀟 2020年2月 於 倫敦
如果你在英國，現在仍然可以下載“BBC Pandemic”手機app軟件，參與這個大數據模型的信息收集。你的數據會匿名發送給劍橋數據團隊，這個數據庫會不斷地壯大，越來越精準和豐富，用來為下一次疫情爆發做準備。
作者介紹如下：【安瀟】
本文轉載自微信公眾號“安瀟”。安瀟是旅居倫敦的動畫導演和漫畫作者。受蒙特梭利理念的啟發，她和兩個女兒在家創造和實踐了400多個早教小遊戲。公號內容探索項目式學習、兒童心靈成長和父母的自我完善，她寫了很多接地氣、有觀點、吸引人的故事，分享給同路上的媽媽們。
閱讀更多 友成基金會 的文章
