数学を活用して感染症の流行に対処する方法

数学を活用して感染症の流行に対処する方法
このページは、生成AIにより自動翻訳されています。

最前線でエボラ出血熱やその他の感染症と闘っているのは、困難な状況の中で絶え間なく働く勇敢な人々である。医療キットに方程式が標準で含まれているわけではない。しかし、大学や研究機関の舞台裏では、数学者たちも防衛線の一端を担っている。

ビッグデータ分析者や統計学者が観察情報を処理して、何が、どこで、いつ起きているのかという全体像を精緻化する一方、数理モデル研究者は、感染の伝播、潜伏、回復、治療、隔離など、疫学的動態を支配する基本的な仕組みを方程式へと抽出する。

こうした数理モデルは、その後分析することで、感染拡大を引き起こす重要なプロセスについてより深い理解に到達し、想定される管理戦略を特定・評価するのに役立つ。さらに、多くの生物学的システムを特徴づける非線形効果の複雑な相互作用によって統計的外挿が混乱しうる将来について、少しばかり見通しを得られる場合もある。例えば、個体数に対する密度の制限効果がそれにあたる。

数理モデル化の技法

数理モデル化においては、数学の秩序ある美しさと真理が、経験的証拠が科学的仮説を洗練させていく反復のプロセスを導く。数理モデル化とは、観測された現実からの抽象化の過程であり、現場の知識、データ、直感に導かれて、特定の問いに対する洞察をもたらす仕組みや関係性を取り出し、組み立て直すことである。

芸術もまた抽象化の過程とみなすことができ、観察の本質を洗練させて、構図における関係性を伝達し探究する。美術史には多くの様式や抽象化の形式が記録されており、その結果の性質は方法の性質に依存する。すべての形式は、そのことを理解し、モデルの成果を適切に解釈する限り、妥当である。

モデルのスペクトル

数理モデルに組み込まれる仮定、近似、単純化は、そこから生まれる洞察を、定量的から定性的までのスペクトル上に位置づける。スペクトルの定量的な側の端にあるモデルは、できる限り多くの観測された詳細を、可能な限り正確に取り込む。こうしたモデルで記述される流行は、何もしなかった場合、またはこれやあれを行った場合に次に何が起きるかを予測するため、時間的に先へ投影することができる。

これらの予測は不確実性によって曇らされている。モデル構築は常に現実の近似であり、計算機シミュレーションは生物学的データから導出されたパラメータに依存するが、そのデータは現場で、しばしば困難な条件下で収集されるため不正確だからである。それでも、十分な計算能力があれば、モデルの不確実性を定量化でき、例えば、結果Aが85%の確率、結果Bが19%の確率、結果Cが1%の確率であると言うことができる。もちろん、まれな事象も実際に起こる。

航空輸送ネットワークは、多くの感染症の地球規模での拡散にとって重要である。流行が発生した場合、政府、健康保護機関、そして不安を抱える一般市民にとっての大きな懸念は、それが自国に広がるリスクである。

輸入症例のリスクは、地域の流行に関する基礎情報と、航空ネットワーク全体の乗客数に関する詳細情報を組み合わせた数理モデルを用いて定量化することができる。

この種の 予備分析はすでに実施されており 、現在のエボラ出血熱の流行に対し、 当初パンデミックインフルエンザ向けに開発された世界的な流行・移動モデル を応用して行われている。

こうしたモデルは、特定の航空路線や空港を閉鎖するといった封じ込め戦略の起こりうる影響を検討するためにも用いることができる。ただし、人々が不便さに対して予期せぬ形で反応しないことを前提とする。

定性的な側のスペクトルにあるモデルは、より単純で、より様式化された現実の表現である。これらのモデルは一般に、単純な構成要素同士の相互作用が、驚くほど複雑になりうる創発的な動態をどのように形作るかについての基礎的な洞察を提供することを目指す。例えば、 デングウイルスの定性的数理モデル化により、 年間を通じた感染の季節変動と、異なるウイルス型間の免疫学的相互作用の組み合わせによって、数年にわたる有病率の周期が生じうることが示されている。

単純な定性的モデルは、迅速に構築・分析できるため、急を要する意思決定を支援するための迅速な思考実験を行うのに役立つ。これらは、一般的な言葉で、これをした場合やあれをした場合に何が起こるか、そして決定的に、なぜそれが起こるのかを探るために用いることができる。この「なぜ」は、非常に詳細なモデルからは抽出しにくいが、流行の核心に迫る可能性を持つ。

都市や州の規模では、流行を管理するための対策を検討する際の重要な考慮点として、社会人口学的構造が流行の進展にどのように影響するかがある。エボラ出血熱の場合、感染には感染者との密接な接触が必要である。社会人口学的構造の妥当な抽象化としては、 世帯ごとに構成された集団 を用いることができ、その場合、世帯内での感染は強く、世帯間での感染は弱い。

この種のモデルは、世帯規模の分布や、流行中の世帯内および世帯間の伝播の相対的重みといった要因の役割を明らかにできる。また、これらの構造に影響を与える潜在的な対策が、流行の経過にどのように影響するか、あるいは影響しないかを探るためにも用いることができる。

知識の蓄積

疫学モデル化の歴史は百年以上に及ぶ。 ロナルド・ロスは、蚊がマラリアを媒介することを発見した人物であり、1900年代初頭にマラリア対策の取り組みを支えるために単純な数理モデルを用いた。ロスは方程式を用いて、蚊から人へ、そして再び蚊へという感染過程を定式化し、この枠組みを用いて、ヒトの感染者数が蚊の個体数とどのように関係するかを理解した。

それ以降、数理解析は、 蠕虫類 からHIVに至るまで、多様な病原体と寄生虫の疫学に関する知見をもたらしてきた。この研究により、感染症の動態に関する現代的理解を支える、膨大な知識、手法、技術の蓄積が生まれた。

数理疫学の研究コミュニティは、かつてないほど充実し、活発になっている。風土病的な感染症をより効果的に管理する方法を模索し、技術革新や医薬品革新をどう最適に活用するかを検討し、エボラのような新たな課題に直面して戦略的支援を提供している。

協力: The Conversation

著者:ベン・アダムズ氏は、University of Bath(バース大学)の数理生物学者である。

画像:教授が黒板に書いている。REUTERS/Brian Snyder

シェアする:

ライセンスと再掲載について
世界経済フォーラムの寄稿文は、クリエイティブ・コモンズ表示-非営利-改変禁止 4.0 国際ライセンスおよび同フォーラムの利用規約に従い、再掲載が可能です。