อีโบลาตัวต่อไปนั้นยากที่จะทำนาย แต่ "การพยากรณ์โรคระบาด" สามารถช่วยได้

เด็กชายอายุ 2 ปีในชนบทกินีเสียชีวิตจากอีโบลาในเดือนธันวาคม 2014 ในอีกสองปีข้างหน้าเกือบ 30,000 คนในแอฟริกาตะวันตกจะติดเชื้อไวรัสอีโบลา

ทำไมไม่เหมือนการระบาดของอีโบลา 17 ครั้งก่อนหน้านี้ทำไมมันถึงโตมากเร็วขนาดนี้เลยเหรอ? หากมีสิ่งใดที่สามารถทำได้เพื่อป้องกันการแพร่ระบาดในอนาคต คำถามเหล่านี้รวมถึงคำถามอื่น ๆ อีกมากมายเป็นหัวใจสำคัญของการคาดการณ์การระบาดของโรคทางวิทยาศาสตร์ และเงินเดิมพันไม่สามารถสูงขึ้นได้ ในเดือนมกราคม World Economic Forum เรียกว่าการระบาดใหญ่เป็นหนึ่งในความเสี่ยงที่ยิ่งใหญ่ที่สุดต่อธุรกิจและชีวิตมนุษย์

ในช่วงหลายศตวรรษที่ผ่านมานักวิทยาศาสตร์ได้ดีขึ้นในการทำนายหลายแง่มุมของโลกรวมถึงวงโคจรของดาวเคราะห์การลดลงและกระแสน้ำและเส้นทางของพายุเฮอริเคน ความสามารถในการทำความเข้าใจระบบธรรมชาติและกายภาพได้ดีพอที่จะคาดการณ์ได้อย่างแม่นยำอาจเป็นหนึ่งในความสำเร็จที่ยิ่งใหญ่ที่สุดของมนุษยชาติ

ความสำเร็จในการพยากรณ์ส่วนใหญ่เริ่มต้นจากการเข้าใจพื้นฐานของ Isaac Newton ว่ามีกฎหมายสากลที่ไม่เปลี่ยนแปลงซึ่งควบคุมปรากฏการณ์ทางธรรมชาติรอบตัวเรา ความสามารถในการคำนวณขนาดใหญ่ได้อย่างรวดเร็วทำให้เกิดมุมมองของนิวตันซึ่งทำให้มีข้อมูลและพลังในการคำนวณเพียงพอจึงสามารถทำนายปรากฏการณ์ที่ซับซ้อนได้

อย่างไรก็ตามมีข้อ จำกัด ในฐานะนักวิทยาศาสตร์ที่ศึกษาระบบการทำนายแบบนี้เราสงสัยว่ามันจะเป็นไปได้ที่จะทำนายได้ว่าอะไรจะเกิดขึ้นต่อไปในการระบาดของโรคเพราะตัวแปรที่สำคัญที่สุดสามารถเปลี่ยนแปลงได้มากจากการระบาดครั้งหนึ่งไปยังอีก

นี่คือเหตุผลเช่นเดียวกับการพยากรณ์อากาศการรวบรวมข้อมูลแบบเรียลไทม์จึงเป็นสิ่งจำเป็นสำหรับการพัฒนาความสามารถของชุมชนวิทยาศาสตร์ในการคาดการณ์การระบาด

โรคระบาดตามอำเภอใจ

ความคิดที่ว่านักวิทยาศาสตร์สามารถจำลองโรคระบาดขึ้นอยู่กับความคิดที่ว่าวิถีการแพร่กระจายของการระบาดแต่ละครั้งนั้นสามารถคาดเดาได้เพราะมีคุณสมบัติที่แท้จริงและไม่เปลี่ยนแปลง

บอกว่าเป็นโรคที่เกิดจากเชื้อโรคที่ถ่ายทอดได้ การติดเชื้อของโรคนั้นสามารถสรุปได้ในจำนวนที่เรียกว่า "อัตราส่วนการสืบพันธุ์ขั้นพื้นฐาน" หรือ R0 ซึ่งเป็นตัวเลขที่อธิบายว่าเชื้อโรคแพร่กระจายอย่างกว้างขวางในประชากรที่กำหนด

หากนักระบาดวิทยารู้เพียงพอเกี่ยวกับเชื้อ R0 ของเชื้อโรคความหวังก็คือพวกเขาสามารถคาดการณ์ลักษณะของการระบาดครั้งต่อไปและหวังว่าจะป้องกันการระบาดขนาดเล็กจากการเป็นโรคระบาดในวงกว้าง พวกเขาอาจทำได้โดยการระดมทรัพยากรไปยังพื้นที่ที่เชื้อโรคมีค่า R0 สูงเป็นพิเศษ หรือพวกเขาอาจ จำกัด การมีปฏิสัมพันธ์ระหว่างผู้ให้บริการของโรคและสมาชิกที่อ่อนแอที่สุดของสังคมที่กำหนดให้บ่อยครั้งที่เด็กและผู้สูงอายุ

ด้วยวิธีนี้ R0 ถูกตีความว่าเป็นจำนวนที่ไม่เปลี่ยนรูป แต่การศึกษาสมัยใหม่แสดงให้เห็นว่านี่ไม่ใช่กรณี

ตัวอย่างเช่นพิจารณาการแพร่ระบาดของไวรัสซิกา สำหรับโรคนี้ R0 อยู่ในช่วง 0.5 ถึง 6.3 ช่วงนี้เป็นช่วงที่น่าทึ่งตั้งแต่โรคที่จะกระจายไปสู่คนที่จะทำให้เกิดการแพร่ระบาดในระยะยาว

หนึ่งอาจคิดว่าค่า R0 ที่หลากหลายสำหรับ Zika นั้นเกิดจากความไม่แน่นอนทางสถิติ - ซึ่งบางทีนักวิทยาศาสตร์อาจต้องการข้อมูลเพิ่มเติม แต่นั่นจะไม่ถูกต้องเป็นส่วนใหญ่ สำหรับ Zika นั้นมีปัจจัยหลายอย่างนับตั้งแต่สภาพภูมิอากาศและยุงไปจนถึงการปรากฏตัวของไวรัสอื่น ๆ ที่เกี่ยวข้องเช่นไข้เลือดออกและบทบาทของการแพร่เชื้อทางเพศล้วนนำไปสู่ค่า R0 ที่แตกต่างกันในการตั้งค่าที่แตกต่างกัน

ปรากฎว่าคุณสมบัติของการแพร่ระบาดของโรค - การติดต่อของเชื้อโรคอัตราการแพร่เชื้อความพร้อมของวัคซีนและอื่น ๆ - การเปลี่ยนแปลงอย่างรวดเร็วในระหว่างการระบาดครั้งเดียวที่นักวิทยาศาสตร์สามารถคาดการณ์การเปลี่ยนแปลงเฉพาะในช่วงเวลาของการระบาดนั้น. การศึกษาการระบาดของโรคไวรัสอีโบลาในเดือนเมษายน 2557 อาจช่วยให้นักวิทยาศาสตร์เข้าใจการระบาดของโรคอีโบลาในเดือนเดียวกัน แต่มักจะมีประโยชน์น้อยกว่าสำหรับการทำความเข้าใจพลวัตของโรคระบาดอีโบลาในอนาคตเช่นที่เกิดขึ้น ในเดือนพฤษภาคม 2561

โรคระบาดมักจะไม่ใช่ปรากฏการณ์ที่เรียบร้อยและเป็นกลุ่ม มันเป็นเหตุการณ์ที่มีเสียงดังซึ่งตัวแปรหลายตัวมีความสำคัญ แต่มีบทบาทที่เปลี่ยนแปลง ไม่มีความจริงพื้นฐานของโรค - มีเพียงการรวบรวมรายละเอียดที่ไม่แน่นอนซึ่งแตกต่างกันไปซึ่งมักจะเข้าไปพัวพันกับโรคเมื่อแพร่กระจาย

การทำนายที่ดีขึ้น

หากนักวิทยาศาสตร์ไม่มั่นใจว่าพวกเขาสามารถเข้าใจระบบระบาดวิทยาได้ดีพอที่จะทำนายพฤติกรรมของคนที่เกี่ยวข้องทำไมพวกเขาถึงต้องเรียนรู้

คำตอบอาจอยู่ในสิ่งที่เราเรียกว่า "ฟิสิกส์อ่อน" ของการทำนาย: นักวิทยาศาสตร์ควรหยุดสมมติว่าการระบาดทุกครั้งเป็นไปตามกฎเดียวกัน เมื่อเปรียบเทียบการระบาดของโรคหนึ่งกับอีกโรคหนึ่งพวกเขาควรคำนึงถึงความแตกต่างเชิงบริบททั้งหมดระหว่างพวกเขา

ตัวอย่างเช่นนักชีววิทยาได้เปิดเผยรายละเอียดมากมายเกี่ยวกับการติดเชื้อไข้หวัดใหญ่ พวกเขารู้ว่าไวรัสจับกับเซลล์โฮสต์อย่างไรพวกมันจำลองตัวอย่างไรและวิวัฒนาการอย่างไรความต้านทานต่อยาต้านไวรัส แต่การแพร่ระบาดของโรคหนึ่งอาจเริ่มต้นขึ้นเมื่อมีประชากรจำนวนมากใช้ระบบขนส่งสาธารณะในวันใดวันหนึ่งของเดือนในขณะที่อีกกลุ่มหนึ่งอาจริเริ่มโดยการรวมตัวกันที่ศูนย์บริการทางศาสนา แม้ว่าการระบาดทั้งสองจะถูกหยั่งรากในตัวแทนติดเชื้อเดียวกันสิ่งเหล่านี้และความแตกต่างอื่น ๆ ในรายละเอียดของพวกเขาหมายความว่านักวิทยาศาสตร์อาจจำเป็นต้องปรับวิธีการที่พวกเขาแต่ละแบบ

เพื่อให้เข้าใจรายละเอียดเหล่านี้ได้ดีขึ้นนักวิทยาศาสตร์ต้องการการลงทุนที่สำคัญในข้อมูลแบบเรียลไทม์ พิจารณาว่า National Weather Service ใช้เงินมากกว่า 1 พันล้านเหรียญสหรัฐต่อปีในการรวบรวมข้อมูลและทำการพยากรณ์ CDC ใช้เวลาเพียงหนึ่งในสี่ในสถิติด้านสาธารณสุขและไม่มีงบประมาณเฉพาะสำหรับการพยากรณ์

การเฝ้าระวังโรคยังคงเป็นหนึ่งในด้านวิทยาศาสตร์ที่สูงที่สุด การพิจารณาอย่างละเอียดถี่ถ้วนสำหรับสถานการณ์ที่ไม่ซ้ำกันซึ่งมีการระบาดและการรวบรวมข้อมูลที่มีความรับผิดชอบมากขึ้นสามารถช่วยชีวิตคนนับพันได้

บทความนี้ถูกตีพิมพ์ครั้งแรกในการสนทนาโดย C. Brandon Ogbunu, Randall Harp และ Samuel V. Scarpino อ่านบทความต้นฉบับที่นี่