Framework to estimate the cost-effectiveness of the Genome Sequencing-based surveillance network: an integrated operational model-epidemiological model approach

世界のウイルスが、目に見えないプレイヤーたちが繰り広げる、大規模で混沌とした「椅子取りゲーム」のようなものだと想像してみてください。時として、全く異なるコスチュームを着て忍び込んでくる新しいプレイヤー（新しい変異株）が現れます。このプレイヤーは、他の全員が従っているルールを回避することを可能にします。この新しいプレイヤーを捕まえるために、科学者たちは「ゲノム解析（Genome Sequencing）」という超強力な拡大鏡を使用します。しかし、ここにはひねりがあります。単に拡大鏡を持っているだけでは不十分なのです。サンプルをその拡大鏡の元へ届けるための超高速の配送サービスと、ゲームが制御不能になる前にそれらを見通すための十分な「手」が必要なのです。

この論文は、インドにおけるこれらのウイルスプレイヤーを捕まえるための完璧なレシピを見つけ出すために、巨大なデジタルな「もしも（what-if）」シミュレーターを構築しています。研究者たちは単に推測したのではなく、二つの世界を融合させた複雑なビデオゲームを作り上げました。それは、「疫学モデル（ウイルスが群衆の中でどのように広がるか）」と「運用モデル（ラボが実際にサンプルをどのように処理するか）」です。

大きな発見：それは魔法の杖ではなく、バランスの妙である

主な知見は、単に問題に対してさらなる資金を投入すればうまくいくわけではない、ということです。新しいウイルスを捕まえるスピードは、「どれだけのサンプルを送るか」と「ラボがいかに速くそれらを処理できるか」の間の繊微なダンスにかかっています。

シーケンシング・ラボを、一人のバリスタ（機械）がいる忙しいコーヒーショップだと考えてみください。

• 罠： もしバリスタが遅く（低い処理能力）、大量の顧客（高いサンプリング率）を送った場合、行列は非常に長くなり、最初の顧客（新しいウイルスのサンプル）は最後尾で足止めを食らってしまいます。バリスタは一日中、古い顧客（変異株1）のためにコーヒーを作ることに費やされ、新しく危険なもの（変異株2）は永遠に待ち続けることになります。論文のシミュレーションでは、この「混雑（コンジェスチョン）」により、ラボがすでに手一杯の状態では、新しいウイルスを見つけるのがむしろ遅くなってしまうことが示されました。
• スイートスポット： 研究者たちは、もし十分な数のバリスタ（高い処理能力）がいれば、より多くの顧客を送ること（高いサンプリング）が、新しいウイルスをより早く見つける助けになることを発見しました。しかし、バリスタが十分にいない場合、より多くの顧客を送ることは単に交通渋滞を引き起こすだけになります。

時間との戦い

チームは、新しい「変異株」を検出し、命を救い始めるまでにどれくらいの時間がかかるかを調べるため、54の異なるシナリオをシミュレートしました。

• 時計： シミュレーションにおいて、新しい変異株が最初に現れてから、政府が実際に措置（隔離や検査の強化など）を開始するまでの時間は、73日から351日の範囲でした。これは非常に大きな差です！
• 「早起き」のボーナス： 新しいウイルスがパンデミックの初期（古い症例が少ない時期）に現れると、検出ははるかに速くなります。しかし、古いウイルスがすでに至る所に広がっている時に現れると、その中に紛れてしまいます。
• 「スーパーウイルス」の要因： 彼らは2種類の新しいウイルスをテストしました：
  1. 「HH」変異株： 高い毒性と高い免疫逃避能を持つ（恐ろしく、阻止するのが難しいモンスター）。
  2. 「LL」変エリ株： 低い毒性と低い免疫逃避能を持つ（穏やかで、見つけやすい虫）。
     シミュレーションでは、恐ろしい「HH」変異株の方が、より多くの人々を病気にさせ、入院させるため、自然にシステム内に多くのサンプルが入ってくることから、実際にはより早く発見されました。穏やかな「LL」変異株はより上手く隠れ、発見されるまでに時間がかかりました。

命を救うためのコスト

論文はまた、「これは高価なのか？」とも問いかけました。彼らは、救われた生存年数あたりのコストを算出するために数字を計算しました。

• コストは 9,137ルピーから326,714ルピー の範囲でした。
• これを比較するために、著者らは、これが公衆衛生における「良い取引」の基準である、インドの1人当たりGDPの1倍から3倍を大幅に下回っていると述べています。
• 結論： これらのシミュレーションにおいて、このシステムは優れた投資です。ウイルスを早期に発見するたびに、彼らは命を救いました。早く捕まえれば捕まえるほど、より多くの命が救われました。最も危険なシナリオでは、潜在的な死亡者の最大 14.49% を救うことができました。もし対応が遅ければ、わずか 0.06% しか救えないかもしれません。

彼らが明確に否定したもの

この論文は、何がうまくいかないかについても明確に述べています。

• サンプルを増やすだけでは答えにはなりません。 もしラボの処理が遅い場合、サンプルの割合を5%から30%に増やしても、バックログ（未処理分）が発生するため、むしろ検出を遅らせてしまいました。バックボット（ボトルネック）を修正することなしに、単に「サンプリングによって」安全を確保することはできません。
• 大きなラボが常に優れているわけではありません。 「標準的（Nominal）」なレベルの機械（彼らのモデルでは60台）に達すると、さらに追加（最大90台まで）しても、あまり効果はありませんでした。ラボはすでにフローを処理できるのに十分な速度を持っていたため、追加のスピードは追加のコストに見合わないものでした。

彼らはどの程度確信しているのか？

この論文が、すでに起きた現実世界の出来事の報告ではなく、シミュレーションであることは重要です。著者たちは、インドの実際のデータ（2021年にどれだけの人が病気であったかなど）と、彼らが研究した実際のラボのワークフローに基づいて、デジタルモデルを構築しました。

• ランダム性を考慮するために、各シナリオに対して100回の実行をシミュレートしました。
• コストは、他の国（ケニアなど）のインタビューや価格表をインド向けに調整して推定しました。
• 彼らは、このシステムが費用対効果が高いことを示唆していますが、実際のパンデミックにおいてそれを証明したとは主張していません。彼らは、「もしこのような方法で構築すれば、数学的に見てうまくいく」と言っているのです。

好奇心旺盛なティーンエイジャーへの教訓

あなたが海の中でサメを見つけようとしている船のキャプテンだと想像してください。

• もし、小さな望遠鏡（低い処理能力）を持っていて、海全体をスキャンしようとすれば（高いサンプリング）、波に翻弄されて疲れ果て、サメを見逃してしまうでしょう。
• もし、強力な望遠鏡を持っていて、海全体をスキャンすれば、瞬時にサメを見つけることができるでしょう。
• しかし、もし強力な望遠鏡を持っていても、小さな水たまりだけをスキャンしているなら、たとえそこにサメがいたとしても、見逃してしまうかもしれません。

この論文は、次のウイルスの「サメ」を捕まえるためには、私たちがスキャンしようとしている海全体の規模を扱うのに十分な、強力な望遠鏡を用意しなければならないと教えてくれています。そうすれば、悪党を早期に捕まえ、拡散を阻止し、多くの命を救うことができるのです。それは、単に一番大きな網を持つことではなく、海の大きさに適した「正しい網」を持つことなのです。