利用數學和計算機模擬傳染病傳播過程的科學家正在研究這種新型冠狀病毒，試圖預測這種全球疫情可能如何演變，以及如何最好地應對。

        但有些人說，利用這些建模工具和研究人員的發現，還可以做更多的工作。

        "這是一種臨時的、自願的努力，我認為這是我們可以改進的地方，"約翰霍普金斯衛生安全中心的傳染病建模師Caitlin Rivers說。

        在她看來，"建模在理解疫情如何演變、將向何處發展以及我們應該如何思考方麵起著非常重要的作用。"

        圖片來源：Hannah A Bullock and Azaibi Tamin CDC Science Source

        但她說，隻有一小部分流行病模型師為聯邦政府工作。他們中的大多數人在學術界工作，與那些必須做出關鍵公共衛生決策的官員沒有正式關係。

        盡管如此，他們還是積極地將自己的技能用於公益事業。去年12月下旬，中國首次出現了一種新病毒的報告。

        他們對過去的埃博拉病毒和寨卡病毒疫情也做出了類似的努力。但業內人士表示，感覺這一次不同。

        "我從來沒有見過建模界如此激動，你知道，圍繞這次爆發，並願意分享和合作，"Cecile Viboud說，他是國家衛生研究院Fogarty國際中心的一名科學家。

        研究團隊一直在迅速地提出見解。到1月中旬，一個組織已經分發了一份分析報告，根據飛機飛行和旅行數據，列出了15個麵臨病毒傳播風險的城市。

        另一個團隊宣布，他們已經利用中國境外檢測到的感染人數，來幫助查明武漢可能發生的真實情況。這些研究人員估計，當時實際有1700多個病例，盡管官方確認的病例數量隻有41個。

        倫敦衛生與熱帶醫學學院(London School of Hygiene & Tropical Medicine)傳染病建模師Rosalind Eggo表示："迅速發布這些信息有助於吸引其他建模師更多的注意力，他們會說，'我們現在可以做一些事情，所以就這麼做吧。'"

        她和她的同事們最近收集了有關病毒傳播的最可靠的信息，並研究了通過隔離病人和追蹤他們曾經接觸過的每一個人來控製病毒的可行性。

        Eggo說："這是我們做的一項研究，我們試圖為決策者提供有用的信息，告訴他們為了有一個很好的機會控製疫情，他們需要用這種策略做些什麼。"

        他們發現，公共衛生工作者需要追蹤大部分病人接觸者，才能有效地迅速製止疫情的爆發。

        她說："你需要追蹤至少80%的接觸者，這樣才有80%的機會在三個月內控製由20個病例引起的疫情。所以這是一個相當高的數字。這在一些地方是可行的，但在另一些地方可能不可行。"

        她的團隊還研究了篩查機場旅客以發現感染者的效用。一項模擬顯示，如果100名受感染的旅客在12小時的飛行中開始了一段旅程，其中大約一半不會被基於症狀的入境或出境旅客篩查發現。

        Eggo解釋說："由於感染的自然曆史，人們從感染到開始出現症狀大約需要5天的時間。在這段時間裏，他們可以旅行，不會被發現。"

        這樣的研究可以幫助公共衛生官員決定把時間、精力和金錢集中在哪裏。

        例如，在2014年西非爆發埃博拉疫情期間，模型預測，如果沒有積極的幹預，疫情將繼續快速增長。

        "這些預測可能有助於加快國際反應，並為如何有效部署資源提供了指導，"最近一篇關於"疫情科學"的評論說。

        最近幾周，政府內外的建模人員都可以參與美國疾病控製與預防中心(Centers for Disease Control and Prevention，簡稱CDC)每周召開的電話會議。

        Viboud說，美國疾病控製與預防中心通常會在這些電話會議中更新這種新型冠狀病毒的情況，並討論需要幫助的問題。她說，有一個這樣的電話就有80多人在線。

        流行病建模者也一直在通過即時消息平台Slack和Twitter進行溝通。

        "從來沒有像現在這樣有組織，"Viboud說。然而，計算機模型的好壞取決於輸入的數據。

        哈佛大學公共衛生學院的流行病學家Marc Lipsitch說："現在數據的質量是如此的不確定，以至於我們不知道這些模型在預測這種疾病爆發方麵有多好。"

        建模者渴望獲得更多關於關鍵問題的信息，比如有多少人沒有症狀就被感染了，以及有多少人會把病毒傳染給其他人。

        然而，Lipsitch說，即使沒有完美的數據，在電腦上研究的虛擬疫情也可以幫助決策者了解各種可能的情況。

        Lipsitch說："實際上，模型幫助你思考事情，而不是告訴你你不知道的事情。"

        一些建模者認為，與其僅僅使用模型來對新出現的疫情做出反應，還不如在持續的基礎上對實時疾病預測進行投資。

        圖片來源：https://cn.bing.com

        洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)的數學和計算流行病學家Sara Del Valle說，她希望看到建立一個全球中心，不斷收集有關傳染性疾病的信息。

        她說，就像美國國家氣象局(National Weather Service)提供天氣預報，幫助人們為當地天氣做準備一樣，這樣的中心可以告訴人們當地感染疾病的風險。

        "你知道，人們實際上可以打開他們的手機，打開一個應用程序，然後看看感染的可能性，"她說。"它可能會說，'在你的社區裏，有20%的可能性患上流感，這是基於那裏正在傳播的疾病。'"

        她說，這樣一個係統的優勢在於，如果像這種冠狀病毒這樣的新型傳染病威脅突然出現，所有的研究人員，再加上數據收集和建模資源，就已經到位了。(生物穀Bioon.com)

        參考資料：

        How Computer Modeling Of COVID-19's Spread Could Help Fight The Virus