本文来自微信公众号：新智元（ID：AI_era），编辑：啸林、梦佳，题图来自：IC photo
社交隔离真的有用吗？特朗普将隔离期限延长至4月30日的决定，是在审查了12种不同的统计模型之后综合得出的。斯坦福大学生物学家Erin Mordecai和一组研究人员开发了一个交互式模拟器，模拟了COVID-19随时间变化的传播曲线，生动展示了社交隔离对控制疫情的作用。
在《瘟疫公司》下架后，不再有模拟疫情的游戏可玩了？
《瘟疫公司》的开发者曾被邀请去美国疾控中心进行讲座。它让全球玩家对病毒的感染和传播机制有了基本的知识储备、感性认识和危机意识，是款很棒的科普性游戏。在疫情爆发后，已在国内外官方平台下架
但是现在有了个更精确的疫情模拟器。
当然，要玩儿你得英文好，TOEFL过100的同学可以到文末找链接自己上去调参，本文只介绍科学家用这个模型做出来的研究结论。
斯坦福大学生物学家Erin Mordecai和一组研究人员开发了一个交互式网站，把社会隔离、检疫等各种干预措施做成了程度可平滑调节的旋钮，模拟了COVID-19随时间的传播曲线，让人可以非常直观地看到不同措施对病例数、死亡人数的动态影响，以及与医院负载的对比。
斯坦福大学生物学家Erin Mordecai
研究成果：直观展示社会隔离的作用
以上四张图显示了社交隔离措施在0、轻度、中度、重度四种执行力度下，住院患者数量的直观减少。图中红线是医院承载力。
1. 降低曲线峰值：我们的许多卫生资源都有固定的容量。如果同时有太多病例，我们将无法照顾每个生病的人。超出住院次数的上限，将意味着不得不确定优先考虑一部分患者，而另一部分可能无法被医治，我们已经看到这种情况在意大利等地出现。我们实践的社会隔离力度越大，曲线将越平坦。
2. 延迟高峰：随着时间的推移，很多资源将变得越来越丰富。我们将能够生产更多资源，例如药物治疗、呼吸机和医院病床。社交隔离等做法可以帮助延迟病例数量达到顶峰的时间，为我们赢得了获得所需资源的时间。
3. 防止曲线末端爆发：一旦病例数开始减少，我们就可以停止社交隔离吗？不。这三张图显示了强社交隔离持续3/5/10个月的状况，很明显，如果我们过快地解除控制，那么我们可能会看到疾病传播重新出现，病例数迅速反弹，因为许多人仍然易感。在3个月或5个月后就解除隔离，导致的患者数量激增，同样会导致医疗系统承载力过重。
我们在1918年的流感大流行中看到了这一点，当时许多美国城市在3周到8周后取消了限制。于是，我们遭遇了史上第二大流感高峰。
为了避免COVID-19的死灰复燃，我们需要在12个月到18个月，或更长时间内采取多种干预措施，直到广泛使用有效的治疗方法和/或疫苗为止。
数月社交隔离的替代方案：照明开关法
我们不需要被高强度隔离整整一年或更长时间。专家表明，如果使用主动打开和关闭的干预措施，比如“照明开关法”（The Lightswitch Method），我们可以保持相对较低的传播率，允许更大的活动范围，同时仍将流行病控制在我们的医疗保健系统可以管理的水平。
当我们“开灯”时，开始保持社交距离，病例数开始减少；当“关灯”时，人们可以一定程度上恢复社交，并进行较小的调整。病例数将开始增加一点，但不会在我们重新恢复社交之前失控。我们可以根据数据，将切换时间设置为一定的时间（三个星期打开，三个星期关）或是某个阈值（例如：在一周内有15例住院病例时打开，在一周内低于2例住院病例时关闭）。
这样，我们就可以在阻止新冠传播和正常生活之间寻找平衡。
传染病动态建模方法
统计模型的基本原理相对显而易见。流行病学家将人口分为不同的区间。其中SIR模型是常见的一种描述传染病传播的数学模型，其基本假设是将人群分为以下三类：
1. 易感人群（Susceptible）：指未得病者，但缺乏免疫能力，与感病者接触后容易受到感染。
2. 感染人群（Infective）：指染上传染病的人，他可以传播给易感人群。
3. 移除人群（Removed）：被移出系统的人。因病愈（具有免疫力）或死亡的人。这部分人不再参与感染和被感染过程。在SIR 模型中以上三类人群之间存在两个转换的关系。
对于“暴露”但尚未感染的人，某些模型还会加入E，变成SEIR模型。然后，建模人员根据他们对疾病传播的判断，来制定变量，然后运行。这些变量包括：一个被感染者康复后或死亡之前感染了多少人，一个感染者感染另一个人需要多长时间等等。
SEIR模型图例
“一开始，每个人都是易感人群。感染者数量很少，他们感染了易感人群，感染者就开始呈指数级增长。”波士顿大学公共卫生学院传染病流行病学家海伦·詹金斯说。
特朗普将隔离期限延长至4月30日，基于12种统计模型得出
3月29日，在白宫举行的新闻发布会上，美国总统特朗普将美国新冠疫情预测总死亡数据“220万”重复了16次。而早先在华盛顿大学健康计量与评估研究所（IHME）3月25日发表的一篇研究报告中，预测美国未来4个月内可能会有81114人死于新冠肺炎。疫情的拐点大约在4月的第二周。
IHME是一个强大的数据处理机构，有约500名统计学家，计算机科学家和流行病学家。IHME负责人Chris Murray说：“上周的最新模型结果显示，目前总体情况首次出现好转，死亡人数统计相比于上周已经下降了20%，曲线开始逐渐平坦。”
从流行病学的角度看，这些死亡数据都是来自数学预测模型。白宫新冠病毒应对协调员Deborah Birx博士在发布会上表示，特朗普将隔离期限延长至4月30日的决定，是在审查了12种不同的统计模型之后综合得出的。
斯坦福团队所使用的9格模型：S=易感 E=暴露 Ip=症状前但具有传染性的状态 Ia=无症状感染 Is=重症 Im=轻症 H=住院 R=康复 D=死亡
哈佛大学传染病流行病学专家Marc Lipsitch的团队也使用了SEIR模型，数据的调整用以模拟社交隔离措施的收紧或放松，以及Covid-19感染可能出现的季节性变化（类似流感）。模拟时他改变了R0。基础传染指数R0指在没有外力干预下，一个感染者平均能传染的人数。
在该模型中，如果停止严格意义上的社交隔离（无需采取疫苗或治疗之类的措施），将使感染率迅速攀升至每千人中约有两个危重病例，这等同于660,000名美国人即将病危。该团队的模型发现，即便从4月到7月持续执行最严格的封禁措施，疫情也会在秋天左右回升。
原文链接：
Stanford-developed interactive model explores how different interventions affect COVID-19’s spread
模拟模型链接：https://covid-measures.github.io/
斯坦福魔性的源代码都可以在Github上找到：https://github.com/morgankain/COVID_interventions
基于SIR模型的武汉新型冠状病毒动力学建模与参数辨识（附Python代码）
The Mathematics of Predicting the Course of the Coronavirus
本文来自微信公众号：新智元（ID：AI_era），编辑：啸林、梦佳