A multi-scale immuno-epidemiological behavioral model for influenza-like illness: connecting scales through symptom scores

感染症がコミュニティに広がる際、公衆衛生の専門家はしばしば大きな視点に立ちます。つまり、何人が病気になり、何人が入院し、何人が亡くなったかという点です。人々がこうした数字の上昇を目にすると、身を守うために習慣を変えるのだと考えるのは自然なことです。彼らはマスクを着用したり、人混みを避けたり、外出を控えたりするかもしれません。このように、アウトブレイク（感染症の突発的流行）のニュースに反応して行動を変えるという考え方は、科学者が疾患の広がりをモデル化する際の標準的な手法となっています。しかし、人々が行動を変える理由には、追跡がより困難な、より個人的な理由も存在します。ある個人が、激しい頭痛、筋肉の痛み、あるいは高熱といった、ひどい体調不良を感じているとき、その人は自然と活動を緩めます。ベッドに横たわり、社交の場を避け、他人と交流するためのエネルギーさえも持たなくなります。この反応は、ニュースによって引き起こされるのではなく、病気であるという即時的かつ身体的な現実によって駆動されるものです。インフルエンザのような多くの呼吸器疾患において、この「気分が悪くなったことによる個人的な反応」は、疾患が人口全体を通じてどのように移動するかを決定する主要な要因となりますが、アウトブレイクを予測するために使用される数学的モデルからは、しばしば抜け落ちています。

研究チームは、これら二つの世界、すなわち、一人の人間の中にある微細な生物学的変化と、コミュニティ全体における疾患の大規模な動きを結びつける、新しい種類のコンピュータモデルを構築することに着手しました。彼らの目標は、人々がアウトブレイクに関する情報を聞いたからではなく、どれほど気分が悪くなったかに基づいて行動を変えるという、現実的なシミュレーションを作成できるかどうかを確認することでした。これを行うために、彼らはまず感染の生物学に着目しました。人間の体内では、ウイルスが細胞を攻撃し、免疫系がそれに立ち向かいます。この戦いが、私たちが症状として認識している、あの独特の痛みや熱、倦怠感を引き起こす化学物質を生み出します。研究者たちは、詳細なルールを用いてこの内部の戦いをシミュレートし、ウイルスがどのように増殖し、免疫反応が時間の経過とともにどのように構築されていくかを追跡しました。この内部シミュレーションから、彼らは「症状スコア」を算出しました。これは、ある時点においてその人がどれほど気分が悪いかを表す単一の数値です。

研究者たちは次に、この内部スコアを取り上げ、人口全体のモデルを動かすために使用しました。彼らのシミュレーション内では、感染したすべての人が、それぞれ独自の「内なる物語」を持っていました。もし個人の症状スコアが高ければ、モデルはその人物の他者との接触を減少させ、結果としてウイルスを広める能力を抑制するように設定されました。一方で、もし感染していても気分が良い（つまり症状がない）場合、モデルはその人物が通常のルーチンを継続し、知らず知らずのうちにウイルスを伝播させていると想定しました。このアプローチは、通常、感染者の体内のウイルス量と感染力を直接結びつけていた従来のモデルとは異なるものでした。研究者たちは、ウイルスの量と、本人がどれほど気分が悪いかは必ずしも一致しないことを知っていました。つまり、ウイルスは大量にあるが気分は良いということもあれば、ウイルスは極めて少ないのに気分は最悪であるということもあるのです。症状スコアを用いることで、彼らは人々が行動を変える真の理由を捉えたいと考えました。

シミュレーションの結果、驚くべきパターンが明らかになりました。研究者が行動変容の強度を高めたとき（つまり、気分が非常に悪い人がより厳格に自宅に留まるように設定したとき）、アウトブレイクのピークは低くなり、発生時期は遅くなりました。これは、同時に病気になる人数が減るため、病院の対応能力を助けるという意味で良いことです。しかし、アウトブレイク曲線の全体的な形状は、科学者が数十年にわたって使用してきた、行動変容を全く考慮していない標準的な曲線と非常によく似ていました。これは重要な発見です。なぜなら、たとえ人々が自身の体調に基づいて積極的に行動を変えていたとしても、結果として現れるエピデミック（流行）の姿は、人間が疾患の自然な経過に従っているだけの状態と、見た目上の違いがない可能性があることを示唆しているからです。研究者たちは、標準的なモデルであっても、わずかに調整を加えることで、感染者の総数を正確に予測できることを発見しました。

これは、人々がニュースで症例数の増加を目にしたことで行動を変える、他のタイプのモデルとは対照的です。それらのシナリオでは、集団全体が一つの情報に対して同時に反応するため、アウトブレイクの曲線は、平坦な頂上や長く緩やかな裾野といった、奇妙な形状を示すことがよくあります。今回の新しいモデルでは、各個人が自分自身の身体にのみ反応するため、変化は緩やかかつ個別的に起こり、曲線は馴染みのある形へと滑らかになります。この研究は、病気による行動変하여は、アウトブレイクの最悪の事態を遅らせ、軽減させる強力な力ではあるものの、それは静かに、そしてデータに明確な指紋を残すことなく行われることを示唆しています。つまり、データを見ただけでは、それが起きていることを即座に察知できるような特徴を残さないのです。

研究者たちはまた、内部の症状スコアと外部の行動をどのように結びつけるかについて、様々な数学的関係性を試して、結果が変わるかどうかをテストしました。彼らは、どのように二つのスケールを連結したとしても、結果は変わらないことを発見しました。つまり、エピデミック曲線は標準的なものと同じ形状を示したのです。これは、気分が悪くなったことと自宅に留まることを結びつける具体的な数学的公式は、その繋がりが存在するという事実ほど重要ではない可能性を示唆しています。本研究の結論として、私たちは人々が体調不良を感じると行動を変えることを知っていますが、この変化は流行の自然な流れの中にあまりにも深く組み込まれているため、総症例数だけを見ていても、それを特定することは困難である可能性があります。この研究は、私たちの理解に欠落があることを浮き彫りにしています。つまり、私たちは、その証拠が目の前にあるにもかかわらず、それが人間の選択による影響を含んだものではなく、まるで疾患がただ自然に広がっているかのように見えるために、重要なパズルのピースを見落としている可能性があるのです。