本文来自微信公众号：biokiwi（ID：biokiwi），作者：Tadpole

我们常说，以史为鉴，而在一次次的流行病后人们总会想各种方法，避免世界性流行病再次发生。

在2003年非典事件之后，我国就先后修订了《中华人民共和国传染病防治法》，并制定了《突发公共卫生事件与传染病疫情监测信息报告管理办法》等适用于传染病疫情的报告制度，让卫生医疗机构能够根据疾病的严重程度分级上报。

《突发公共卫生事件与传染病疫情监测信息报告管理办法》（截图自国家卫健委官网）

这些法规和办法都是流行病监控方面的重大进步，也让中国在随后面对禽流感、猪流感时有了出色的表现。

但仔细想想，如果是等到传染病出现后再做应对，是不是有点慢了呢？如果能在病毒或其他病原体在人类中流行之前就像天气预报、地震监测一样提前预知发现它，并且及时制止它，也许流行病就不会那么严重呢？

在这里不得不提到一个新兴的学科——流行病预防学，它主要有三个目的：

1. 早点识别地方性流行病；

2. 评估地方性流行病演变成全球性流行病的概率；

3. 在致命的地方性流行病演变成全球性流行病之前遏制它们。

回到标题中的疑问：流行病预防学，是怎么像天气预报一样预测流行病的？

盯着“哨兵人群”

新型病毒或其他病原体往往是从动物跳跃到人身上，然后在人类中大肆传播。

比如最近的新型冠状病毒、以前爆发的SARS病毒、埃博拉病毒，或者是时有发生的狂犬病毒等等，都是来源于动物。

病毒攻击人类之前常常寄生在野生动物身上，比如我们现在都知道的冠状病毒，就来源于各种各样的野生动物

而在这个跳跃的过程中，有一小部分人可能比其他人更容易被感染，这样的人就被称作——哨兵人群。

哨兵人群有哪些？

例如那些仍以狩猎为生的猎人，他们和森林里的野生动物密切接触，甚至会碰到动物的血液等。

如果有病毒想要从这些野生动物跳到人类中去的话，他们很可能是第一个被感染的群体。

除了猎人，护林员、森林公园管理人员、屠宰场人员等等，都属于“哨兵人群”。

通过定期监测狩猎区猎人的血液等样本，传染病学家可以掌握病毒等病原体从这些森林向人类迁移的轨迹。

如果用同样的模式，在全球范围内建立一个布控系统，监测所有“前哨人群”的生理状况，拦截那些想要在人类群体中胡作非为的病毒和微生物，就可以避免流行病的流行。

2015-2017广东动物从业人员健康状况调查（朱燕珊等人, 2018）

来自哨兵人群的样本仅仅是监测工具箱中的一种。还有很多其他工具，能够用来掌握病原体的情报，以及传染病的趋势。

警惕野生动物的异常死亡

除了那些哨兵人群，野生动物本身也值得被关注。

野生动物学家可以通过观察森林里动物的状况是否正常，它们有没有出现奇怪的大面积死亡，如果出现，原因是什么。

很多时候，野生动物的大范围死亡事件很可能是人类疫情的预告片。如果看懂了预告片，我们就能够从容应对接下来的剧情。

乌干达自然保护区内的护林员要求及时报告野生动物的死亡（图源：Science）

例如几十年来，在非洲引起了数次发热和严重内出血的爆发流行病毒——埃博拉病毒。

此前因为缺乏特效药物和疫苗，绝大多数的感染者难逃死亡的厄运。

显微镜下的埃博拉病毒（图源：Wikipedia）

为此，科学家们与加蓬共和国的Francevile国际医学研究中心合作，记录了从2001年到2003 年, 在横跨加蓬和刚果共和国20000多平方公里的森林中，包括大猩猩、黑猩猩、各种猴子和羚羊类在内，各种野生动物的尸检信息。

其中发现，有98只动物的死亡大多发生在埃博拉病毒流行的两个高峰期。

随后，身着防护衣的研究人员找到了21只感染埃博拉病毒的动物尸体残骸，收集并检测了还未被分解的动物骨头、肌肉和皮肤组织，发现其中10只大猩猩，3只黑猩猩和1只羚羊的检验结果仍呈阳性。

埃博拉病毒传播示意图，主要是和人类与野生动物接触导致的传播与感染

在2002年12月和2003年11月这两次埃博拉病毒爆发之前，研究人员通过对野生动物的监测，提前数周甚至好几个月警告了当地的公共卫生机构，提醒其快速启动预防措施。

但由于科学家和公共卫生机构与当地人之间缺乏高效、可靠的的沟通渠道，即便监测网络已经发出警告，病毒还是可能感染人类，并大范围传播。

网络就是一个十分便捷的沟通渠道，不仅如此，来自互联网的信息本身也可以帮助预测流行病。

善用AI和大数据

人们每天花费大量的时间“网上冲浪”，在各种社交媒体发布动态、在搜索引擎查询资料。

而这些来自人们上网的信息数据，也可以用来预测流行病的风险。

因为一旦出现了流行病，大家都会在网上搜索如何应对身体出现的各种症状，或者病毒等病原体相关的资料。

这些搜索引擎中出现的高频关键词和数据，对于预测一些流行病的确定、发生、发展等过程都很有帮助。

例如2008年谷歌推出的流感流行趋势预测系统——Google Flu Trends，该系统在次年美国H1N1爆发前两周，就根据数十亿条检索数据记录，构建了4.5亿个不同的数字模型，得出相关的流感预测指数，且该结果和美国疾病控制和预防中心（CDC）官方数据高度相关（97%）。

如果这个系统能够保持这样的预判性和准确性，这无疑是对付流感的强力武器。

但事与愿违，2014年一篇发表在Science上的文章指出，谷歌流感趋势给出的结果往往高于实际情况，而且高得离谱：从2011年8月到2013年8月的108周中，有100周高于CDC给出的流感发病率，最高时期甚至是CDC数据的2倍。

谷歌流感趋势与CDC报告情况比较（图源：Science）

百度此前也上线过包括流感、肝炎、肺结核和性病在内的流行病趋势预测系统。

但不管是数据的采集和筛选，还是模型构建的形式，都可能影响最终得到的结果。

如果在人工分析的基础之上，加入人工智能（AI）算法，利用更加完备的技术策略和预测模型，减少不必要的“噪音”，说不定能够得到更加精准的结果。目前全球范围内已有数家公司，在开发甚至已经推出这样的方案。

21世纪前15年威胁全球的流行病（图源：WHO）

不论是对于“哨兵人群”和野生动物的监测，还是利用AI和大数据进行预判，都需要大量人力和资源的投入。

而这一次新冠肺炎疫情在全球范围的大流行，着实给人类敲响了警钟。

相信在未来，人们会愿意花费更多精力在流行病的预测和应对上，毕竟没有人想再次经历这样一场生命、社会和经济的灾难。

你觉得以后真的能做到以史为鉴吗？

参考资料：

朱燕珊，王宣焯，陆明领，陆家海，2015-2017广东地区动物从业人员健康状况调查. 热带医学杂志. 2018年4月第18卷第4期.

白海燕, 当埃博拉病毒逼近时——人类的疾病发作紧随动物感染之后. 基础医学与临床. 2005.25( 9).

内森·沃尔夫，病毒来袭. 浙江人民出版社

本文来自微信公众号：biokiwi（ID：biokiwi），作者：Tadpole