模拟大流行:Covid预报员可以从气候模型中学到什么

2020-11-16 21:27:47

预测新冠肺炎疫情蔓延的流行病学家应该采用气候建模方法,以使预测更加可靠,计算机科学家表示,他们花了几个月的时间审计这种最具影响力的疫情模型之一。

在11月6日上传到预印平台研究广场的一项研究中,伦敦皇家学会委托的研究人员使用一台强大的超级计算机重新检查了由伦敦帝国理工学院的一个团队开发的CovidSim模型。今年3月,这一模拟帮助说服了英国和美国的政客们引入封锁措施,以防止预计的死亡人数,但自那以来,它一直受到研究人员的仔细审查,他们怀疑其结果的可靠性。

领导这项研究的伦敦大学学院(University College London)化学家和计算机科学家彼得·科文尼(Peter Coveney)说,这项尚未经过同行评审的分析表明,由于研究人员没有意识到CovidSim对输入内容的微小变化有多么敏感,他们的结果高估了封锁可能降低死亡人数的程度。

科文尼不愿批评由流行病学家尼尔·弗格森(Neil Ferguson)领导的帝国组织,他说,在这种情况下,这个组织做了尽可能好的工作。他说,该模型正确地表明,“什么都不做将产生灾难性的后果”。但他认为,流行病学家应该通过运行“集合”模型来对他们的模拟进行压力测试,在集合模型中,数千个版本的模型在一系列假设和输入的情况下运行,以提供具有不同概率的各种情景。在计算繁重的领域,从天气预报到分子动力学,这些“概率”方法是司空见惯的。科文尼的团队现在已经为CovidSim做了这件事:研究结果表明,如果该模型作为一个整体运行,它将预测一系列被封锁的可能死亡人数,平均水平是最初预测的两倍,更接近实际数字。

科文尼说:“CovidSim可能被吹嘘为最复杂的流行病学模型,但与真正高端的超级计算应用程序相比,它几乎就像一个玩具。”作为英国皇家学会(Royal Society)“快速协助模拟流行病”(RAMP)计划的一部分,科文尼被要求检查该模型的表现。

科文尼的团队使用波兰波兹南超级计算和网络中心的Eagle超级计算机执行了6000次不同的CovidSim运行,每次运行都有一组独特的输入参数。这代表了大流行的特征,包括病毒的传染性和致命性,人们在各种环境下接触的可能数量,以及告诉人们在家工作等措施的估计成功程度。早在3月份,许多这些参数的输入都是经过深思熟虑的猜测,一些来自病毒的初步数据,另一些基于流感等疾病的经验。

预测疾病传播的模型通常依赖于数百个参数,但这可能会带来不确定性。科文尼说:“流行病学家所使用的这些模型中的参数数量多得离谱,他们不可能是正确的,这一点在建立RAMP计划的圈子里存在一种担忧。”

他的团队在CovidSim代码中发现了940个参数,但将这些参数减少到了对输出影响最大的19个参数。模型结果中多达三分之二的差异可以归因于三个关键变量的变化:感染者没有症状且不能传播病毒的潜伏期长度;社交距离的有效性;以及感染后多长时间处于隔离状态。

这项研究表明,这些参数的微小变化可能会对模型的输出产生过大的、非线性的影响。例如,该团队数千次奔跑中的大多数表明,英国被封锁的死亡人数将远远高于帝国团队最初的预测-在某些情况下是5-6倍。平均这些数字仍然表明,死亡人数是帝国集团预测的两倍。

在一个模拟的情景中,假设英国将在每周需要入院接受重症监护的60人时封锁,3月份的报告预测该国总共有8700人死亡。科文尼的研究小组得出的概率结果显示,这一数字平均约为15000人,但表示死亡人数可能超过4万人,这取决于使用的参数。很难将这些预测与英国新冠肺炎死亡的实际数字进行比较,因为封锁开始的时间比任何一个模型假设的结果都晚了一周,到那时,已经有明显更高数量的疾病在传播。

科文尼说:“他们做得不对。”“他们正确地运行了模拟:只是他们不知道如何从中提取正确的概率描述。这将意味着必须进行一整套的计算。科文尼表示,他不能评论运行整体模型是否会改变政策,但英国爱丁堡大学流行病学家兼数据科学家罗兰·高(Rowland Kao)指出,政府比较和综合了几个不同新冠肺炎模型的结果。他说:“如果认为决策是基于单一的模式,那就过于简单化了。”

弗格森接受了科文尼关于进行概率预测的好处的大部分观点,但他说,“我们在3月份就没有能力这么做了”。他补充说,帝国理工学院从那时起就对其模型进行了重大改进,现在可以产生概率结果。例如,它现在使用贝叶斯统计工具展示了CovidSim输入的不确定性--这在一些疾病的流行病学模型中已经很常见,比如家畜口蹄疫。他补充说,还有一个更简单的模型被用来告知英国政府本月在英格兰重新引入封锁措施的决定。这个模型比CovidSim更灵活:“因为我们一周可以运行几次,所以考虑到不确定性,更容易实时拟合数据,”弗格森说。

科文尼说:“这听起来是朝着正确方向迈出的一步,与我们论文的结论是一致的。”

弗格森说,技术的选择往往取决于计算方面的权衡。“如果你想例行公事地正确描述所有不确定性,那么使用计算量较小的模型会容易得多。”

英国牛津大学(University Of Oxford)气候物理学家蒂姆·帕尔默(Tim Palmer)表示,贝叶斯工具是一种改进。帕尔默是天气预报中集合建模的先驱。但他说,只有在最强大的计算机上运行的整体建模技术才能提供最可靠的流行病预测。他补充说,在政府间气候变化专门委员会(IPCC)的协调下,这些技术改变了气候模型的可靠性。

“我们需要像政府间气候变化专门委员会这样的机构来建立这些流行病模型。我们需要某种国际设施,这样才能恰当地开发出这些车型。“帕尔默说。“由于形势的紧迫性,这件事已经很仓促了。但要推动这一进程,我们需要某种国际组织,能够致力于综合世界各地的流行病模型。“