2024-10-17 | 대전=박희윤 기자

更精准预测传染病扩散的数学公式问世

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

一种能够更精确预测传染病扩散的数学公式面世,引发关注。

基础科学研究院(IBS)17日表示,数理及计算科学研究团医学生命数学组金材景CI(韩国科学技术院数理科学系教授)研究团队与国家数理科学研究所崔善花高级研究员、高丽大学崔宝升教授、庆北大学李孝贞教授团队共同提出了准确度大幅提升的传染病扩散预测新模型。

当未知病毒出现时,科学家会掌握其结构与实质,制药公司则开发对抗病毒的疫苗与治疗药物。在制造制服病毒的武器期间,防疫充当保护国民、将损失降至最低的防护屏障。在准确预测损失、配置医护人员、确保病床等对策制定过程中,都会用到数学。

新冠疫情是让人们重新认识基于数理模型的传染病扩散模型重要性的案例。由此推算出的基本传染数(R值)、潜伏期、传染期等变量,成为理解疾病扩散形态、设计防疫政策的重要因素。基本传染数表示一名感染者平均传染的患者人数。若R大于1,患者人数增加,传染病有流行的可能。相反,若R小于1,该疾病会在群体中逐渐消亡。

然而,现有模型存在局限。现有大部分模型假定,无论与感染者接触的时点如何,所有接触者都以相同概率表现出传染力。它们基于未来状态仅由当前状态决定、不受过去影响的马尔可夫(Markovian)系统来推算未来。

但在实际环境中,不仅是当前状态,过去状态也会影响未来。由于与感染者接触后要经过潜伏期才会被感染,接触时点越久远的人,表现出传染力的概率越高。

崔宝升教授解释说:“需要同时考虑当前与过去的非马尔可夫系统,其数学推算与建模复杂、计算困难,因此现有传染病扩散模型一直假定马尔可夫系统进行推算”,“也就是说,未能准确反映实际的传染病扩散形态”。

IBS主导的联合研究团队开发出同时考虑当前与过去的新传染病扩散模型。研究团队没有采用仅以当前状态说明未来变化的常微分方程,而是引入同时利用当前与过去状态说明未来变化的延迟微分方程,克服了现有模型的局限。

研究团队利用2020年1月20日至11月25日首尔的新冠累计确诊者信息,评估了新提出模型的准确度。对于初期病毒传播导致确诊者激增的时期(2020.1.20.~3.3),现有模型将基本传染数推算为4.9,新模型推算为2.7。通过追踪确诊者传染路径获得的实际值为2.7。也就是说,这表明现有模型可能出现将基本传染数高估近2倍的情况,并因此高估新冠的传染力。

崔善花高级研究员解释说:“为解决高估问题,现有模型一直使用传染期(感染者可将疾病传染给他人的期间)等额外流行病学信息来校正数值”,“新模型的优点在于,即便没有额外流行病学信息也能准确推算基本传染数”。

主导该研究的金材景CI表示:“研究团队基于新模型开发了名为‘IONISE(Inference Of Non-markovIan SEir model)’的程序,并免费公开供相关领域研究人员使用”,“期待未来能帮助公共卫生专家更深入理解传染病扩散形态,制定有效的防疫战略”。

此次研究成果于10月9日发表在国际学术期刊《自然·通讯》(Nature Communications,IF 14.7)上。

阅读韩文原文