本文作者：Tadpole | 公眾號(hào)：biokiwi

本文關(guān)鍵詞?預(yù)測(cè)流行病 前哨人群 動(dòng)物死亡 大數(shù)據(jù)

我們常說，以史為鑒，而在一次次的流行病后人們總會(huì)想各種方法，避免世界性流行病再次發(fā)生。

在2003年非典事件之后，我國就先后修訂了《中華人民共和國傳染病防治法》，并制定了《突發(fā)公共衛(wèi)生事件與傳染病疫情監(jiān)測(cè)信息報(bào)告管理辦法》等適用于傳染病疫情的報(bào)告制度，讓衛(wèi)生醫(yī)療機(jī)構(gòu)能夠根據(jù)疾病的嚴(yán)重程度分級(jí)上報(bào)。

《突發(fā)公共衛(wèi)生事件與傳染病疫情監(jiān)測(cè)信息報(bào)告管理辦法》（截圖自國家衛(wèi)健委官網(wǎng)）

這些法規(guī)和辦法都是流行病監(jiān)控方面的重大進(jìn)步，也讓中國在隨后面對(duì)禽流感、豬流感時(shí)有了出色的表現(xiàn)。

但仔細(xì)想想，如果是等到傳染病出現(xiàn)后再做應(yīng)對(duì)，是不是有點(diǎn)慢了呢？如果能在病毒或其他病原體在人類中流行之前就像天氣預(yù)報(bào)、地震監(jiān)測(cè)一樣提前預(yù)知發(fā)現(xiàn)它，并且及時(shí)制止它，也許流行病就不會(huì)那么嚴(yán)重呢？

在這里不得不提到一個(gè)新興的學(xué)科——流行病預(yù)防學(xué)，它主要有三個(gè)目的：

1．早點(diǎn)識(shí)別地方性流行??；

2.. 評(píng)估地方性流行病演變成全球性流行病的概率；

3. 在致命的地方性流行病演變成全球性流行病之前遏制它們。

回到標(biāo)題中的疑問：流行病預(yù)防學(xué)，是怎么像天氣預(yù)報(bào)一樣預(yù)測(cè)流行病的？

盯著“哨兵人群”

新型病毒或其他病原體往往是從動(dòng)物跳躍到人身上，然后在人類中大肆傳播。

比如最近的新型冠狀病毒、以前爆發(fā)的SARS病毒、埃博拉病毒，或者是時(shí)有發(fā)生的狂犬病毒等等，都是來源于動(dòng)物。

而在這個(gè)跳躍的過程中，有一小部分人可能比其他人更容易被感染，這樣的人就被稱作——哨兵人群。

哨兵人群有哪些？

例如那些仍以狩獵為生的獵人，他們和森林里的野生動(dòng)物密切接觸，甚至?xí)龅絼?dòng)物的血液等。

如果有病毒想要從這些野生動(dòng)物跳到人類中去的話，他們很可能是第一個(gè)被感染的群體。

除了獵人，護(hù)林員、森林公園管理人員、屠宰場(chǎng)人員等等，都屬于“哨兵人群”。

通過定期監(jiān)測(cè)狩獵區(qū)獵人的血液等樣本，傳染病學(xué)家可以掌握病毒等病原體從這些森林向人類遷移的軌跡。

如果用同樣的模式，在全球范圍內(nèi)建立一個(gè)布控系統(tǒng)，監(jiān)測(cè)所有“前哨人群”的生理狀況，攔截那些想要在人類群體中胡作非為的病毒和微生物，就可以避免流行病的流行。

來自哨兵人群的樣本僅僅是監(jiān)測(cè)工具箱中的一種。還有很多其他工具，能夠用來掌握病原體的情報(bào)，以及傳染病的趨勢(shì)。

警惕野生動(dòng)物的異常死亡

除了那些哨兵人群，野生動(dòng)物本身也值得被關(guān)注。

野生動(dòng)物學(xué)家可以通過觀察森林里動(dòng)物的狀況是否正常，它們有沒有出現(xiàn)奇怪的大面積死亡，如果出現(xiàn)，原因是什么。

很多時(shí)候，野生動(dòng)物的大范圍死亡事件很可能是人類疫情的預(yù)告片。如果看懂了預(yù)告片，我們就能夠從容應(yīng)對(duì)接下來的劇情。

例如幾十年來，在非洲引起了數(shù)次發(fā)熱和嚴(yán)重內(nèi)出血的爆發(fā)流行病毒——埃博拉病毒。

此前因?yàn)槿狈μ匦幬锖鸵呙? 絕大多數(shù)的感染者難逃死亡的厄運(yùn)。

為此，科學(xué)家們與加蓬共和國的Francevile 國際醫(yī)學(xué)研究中心合作，記錄了從2001年到2003 年, 在橫跨加蓬和剛果共和國20000多平方公里的森林中，包括大猩猩、黑猩猩、各種猴子和羚羊類在內(nèi)，各種野生動(dòng)物的尸檢信息。

其中發(fā)現(xiàn)，有98 只動(dòng)物的死亡大多發(fā)生在埃博拉病毒流行的兩個(gè)高峰期。

隨后，身著防護(hù)衣的研究人員找到了21只感染埃博拉病毒的動(dòng)物尸體殘骸, 收集并檢測(cè)了還未被分解的動(dòng)物骨頭、肌肉和皮膚組織，發(fā)現(xiàn)其中10只大猩猩，3只黑猩猩和1只羚羊的檢驗(yàn)結(jié)果仍呈陽性。

在2002年12月和2003年11月這兩次埃博拉病毒爆發(fā)之前，研究人員通過對(duì)野生動(dòng)物的監(jiān)測(cè)，提前數(shù)周甚至好幾個(gè)月警告了當(dāng)?shù)氐墓残l(wèi)生機(jī)構(gòu)，提醒其快速啟動(dòng)預(yù)防措施。

但由于科學(xué)家和公共衛(wèi)生機(jī)構(gòu)與當(dāng)?shù)厝酥g缺乏高效、可靠的的溝通渠道，即便監(jiān)測(cè)網(wǎng)絡(luò)已經(jīng)發(fā)出警告, 病毒還是可能感染人類，并大范圍傳播。

網(wǎng)絡(luò)就是一個(gè)十分便捷的溝通渠道，不僅如此，來自互聯(lián)網(wǎng)的信息本身也可以幫助預(yù)測(cè)流行病。

善用AI和大數(shù)據(jù)

人們每天花費(fèi)大量的時(shí)間“網(wǎng)上沖浪”，在各種社交媒體發(fā)布動(dòng)態(tài)、在搜索引擎查詢資料。

而這些來自人們上網(wǎng)的信息數(shù)據(jù)，也可以用來預(yù)測(cè)流行病的風(fēng)險(xiǎn)。

因?yàn)?，一旦出現(xiàn)了流行病，大家都會(huì)在網(wǎng)上搜索如何應(yīng)對(duì)身體出現(xiàn)的各種癥狀，或者病毒等病原體相關(guān)的資料。

這些搜索引擎中出現(xiàn)的高頻關(guān)鍵詞和數(shù)據(jù)，對(duì)于預(yù)測(cè)一些流行病的確定、發(fā)生、發(fā)展等過程都很有幫助。

例如2008年谷歌推出的流感流行趨勢(shì)預(yù)測(cè)系統(tǒng)——Google Flu Trends，該系統(tǒng)在次年美國H1N1爆發(fā)前兩周，就根據(jù)數(shù)十億條檢索數(shù)據(jù)記錄，構(gòu)建了4.5億個(gè)不同的數(shù)字模型，得出相關(guān)的流感預(yù)測(cè)指數(shù)，且該結(jié)果和美國疾病控制和預(yù)防中心（CDC）官方數(shù)據(jù)高度相關(guān)（97%）。

如果這個(gè)系統(tǒng)能夠保持這樣的預(yù)判性和準(zhǔn)確性，這無疑是對(duì)付流感的強(qiáng)力武器。

但事與愿違，2014年一篇發(fā)表在Science上的文章指出，谷歌流感趨勢(shì)給出的結(jié)果往往高于實(shí)際情況，而且高的離譜：從2011年8月到2013年8月的108周中，有100周高于CDC給出的流感發(fā)病率，最高時(shí)期甚至是CDC數(shù)據(jù)的2倍。

百度此前也上線過包括流感、肝炎、肺結(jié)核和性病在內(nèi)的流行病趨勢(shì)預(yù)測(cè)系統(tǒng)。

但不管是數(shù)據(jù)的采集和篩選，還是模型構(gòu)建的形式，都可能影響最終得到的結(jié)果。

如果在人工分析的基礎(chǔ)之上，加入人工智能（AI）算法，利用更加完備的技術(shù)策略和預(yù)測(cè)模型，減少不必要的“噪音”，說不定能夠得到更加精準(zhǔn)的結(jié)果，目前全球范圍內(nèi)已有數(shù)家公司，在開發(fā)甚至已經(jīng)推出這樣的方案。

不論是對(duì)于“哨兵人群”和野生動(dòng)物的監(jiān)測(cè)，還是利用AI和大數(shù)據(jù)進(jìn)行預(yù)判，都需要大量人力和資源的投入。

而這一次新冠肺炎疫情在全球范圍的大流行，著實(shí)給人類敲響了警鐘。

相信在未來，人們會(huì)愿意花費(fèi)更多精力在流行病的預(yù)測(cè)和應(yīng)對(duì)上，畢竟應(yīng)該沒有人想再次經(jīng)歷這樣一場(chǎng)生命、社會(huì)和經(jīng)濟(jì)的災(zāi)難。

你覺得以后真的能做到以史為鑒嗎？

參考資料：

• 朱燕珊，王宣焯，陸明領(lǐng)，陸家海，2015-2017廣東地區(qū)動(dòng)物從業(yè)人員健康狀況調(diào)查. 熱帶醫(yī)學(xué)雜志. 2018年4月第18卷第4期.

• 白海燕, 當(dāng)埃博拉病毒逼近時(shí)——人類的疾病發(fā)作緊隨動(dòng)物感染之后. 基礎(chǔ)醫(yī)學(xué)與臨床. 2005.25( 9).

• 內(nèi)森·沃爾夫，病毒來襲. 浙江人民出版社