UNIVERSAL EPIDEMIC SCALING: INFLUENZA AND COVID-19

ウイルスの蔓延を追跡することは、まるで雨の中に立ちながら嵐の地図を描こうとしているかのように感じられる。科学者たちは長年、あらゆる人々、あらゆる接触、そして疾患がコミュニティ内をどのように移動するかというあらゆる変化を数え上げる詳細なモデルに頼ってきた。これらの伝統的な手法は、感染の単一の波に対してはうまく機能するが、ルールが変わると苦戦することになる。新しい変異株が出現したとき、人々が免疫を獲得したとき、あるいは公衆衛生上の措置が変化したとき、個々の複雑な行動の網をリアルタイムで更新することはあまりにも困難になる。これにより、保健当局は重大な問いに直面する。すなわち、何十億もの個別のデータポイントというノイズの中で迷うことなく、どうすれば次の入院急増を予測できるのか、という問いである。その答えは、流行を個人の集合体としてではなく、単一の流動的なシステムとして捉え直し、一歩下がって観察することにあるのかもしれない。

新たな研究は、観察のスケールを変えることで、この混沌を簡略化する方法を提案している。研究者たちは、個々の感染を追跡する代わりに、流行の波を、水がパイプの中を流れたり風が風景の中を移動したりするのと同様の、大規模な輸送プロセスとして扱っている。この視点では、まだ疾患にかかる可能性のある人々を一人ずつ数えるのではなく、単一の、変化し続ける「脆弱性のプール」へとグループ化する。この「実効感受性プール」は、季節が変わったり新しい変異株が現れたりするなど、アウトブレイクの性質が変化するたびにリセットすることができる。個人の行動ではなく、この集団全体の動きに焦点を当てることで、研究者たちは、流行全体を記述するための少数の広範なルールを用いた枠組みを作り上げた。

研究チームはこの手法を、季節性インフルエンザA型とSARS-CoV-2（新型コロナウイルス）という、二つの非常に異なる呼吸器疾患を対象に検証した。彼らは、人口や地理的条件がこれら二つの疾患を公平に比較できるほど一定であったロードアイランド州に焦点を当てた。これらのウイルスは生物学的に異なり、異なる免疫反応を引き起こすにもかかわらず、データは驚くべきパターンを明らかにした。研究者たちが複雑な詳細を削ぎ落とすと、両方の流行の軌跡は同じ基礎的な形状に従っていたのである。感染の波は、単一の普遍的な数学的形態によって記述できる形で上昇と下降を繰り返しており、これは流行の広範なメカニズムが、これまで考えられていたよりも異なる疾患間で類似していることを示唆している。

この手法は、医療資源を管理するための実用的なツールを提供する。簡略化された一連の方程式を用いることで、研究者たちは膨大な時間を要するコンピュータ・シミュレーションを実行することなく、病床のピーク需要を算出することができる。このモデルは、ワクチン接種キャンペーンが感染拡大に対する同期されたブレーキとしてどのように作用するかを考慮に入れており、また、人々が回復した後にウイルスを排出していることによる混乱を取り除くためのフィルタリング・プロセスも含まれている。その結果、病院システムが限界に達する時期についての明確な分析的予測が得られる。本研究は、このマクロ的な視点がこれら二つの特定のウイルスにおいて、一つの地域でうまく機能することを裏付けているが、著者らは、このスケーリングがどこでも通用するかどうかを確認するためには、異なる集団や病原体を用いたさらなる検証が必要であると述べている。今のところ、この手法は流行の全体像を見るための強力な新しいレンズを提供し、絡み合ったデータの網を、意思決定のための明確な道筋へと変えているのである。