BBC用这场3万人的实验告诉你，对抗疫情爆发，答案或许就是大数据！

传染病疫情的爆发，对全球人口的健康安全都是巨大威胁。在过去一百年里，夺去最多性命的灾难不是一战和二战，而是1918年的西班牙流感。

超级疫情还会再次发生，而且根本不知道是什么时候。我们如何对抗下次疫情爆发，并为之做好准备？

英国BBC做了这样一个有近3万人参与的大型实验“BBC Pandemic”，并将过程拍成了纪录片。这是英国历史上最大规模的传染病演习实验，模拟爆发时在英国可能出现的情景。这个大型实验收集了大量信息，并建立出了“传染病传播模型”：对抗下次疫情爆发的重要盾牌，答案或许就是大数据！

传染病传播的大数据模型

英国各处都有秘密仓库，贮藏着防护服、抗病毒药等必需品，为下次疫情爆发做准备。但有些问题更关键：这些必需品如何在正确的时间出现在正确的地方？因此非常需要一个数学模型，来预测病毒会如何传播、有多少人会受感染。

这样的模型能够协助政府做出重要决定，比如：医院是否有足够的病床？是否需要关闭机场？是否有足够的抗病毒药？需要多少防护服？需要多少尸袋？这些问题都关系到生与死，正确的决策可以拯救千万条生命。

建立这样的模型需要大数据输入，数据分析人员需要了解病毒的扩散路径、和人与人的互动方式，数据越丰富细致，就越能够准确地模拟出下次疫情在英国爆发时的情形。

BBC主持人Hannah Fry走访了传染病学的模型研究专家Adam Kucharski医生。

医生说：“有些信息对建立传染病传播模型会非常有用：一是人与人如何会面与互动，二是人们如何移动。获得这些信息对21世纪的科技来说完全可以实现，但我们的已有数据都不是为了传染病分析而设计的。比如知道人群的位置，却不知道人们如何互动；也有些数据是关于互动方式，却没有与活动路线关联。将这两者连接，对建立传染病分析的大数据模型很重要。”

“要推算疫情在整个英国发生的情况，需要分布在全国的至少1万个人的数据样例。参与者提供年龄、性别、职业信息、一天时间里都与谁互动、与多少人见面、加上移动的地点，把这些信息融合在一起，这个模型就会很精准了。”

为了建立这样一个在疫情爆发时可能会挽救千万性命的数学模型，BBC的研究人员与医生们合作，开发了一个叫做“BBC Pandemic”的智能手机app软件。

“零号病人”来到小镇

第一场实验是在一个叫做Haselmere的英国小镇进行的，这样可以“近距离地观察”疫情如何爆发和扩散。

小镇上的500名志愿者下载激活“BBC Pandemic”手机软件后，剑桥数据中心的屏幕地图上就显示出了蓝色的点。

实验的设定是：所有人都是健康的、未被感染的，只有接触到病毒携带者才会被感染。

志愿者输入年龄、性别、职业，并且记录三天时间里和他人见面的互动方式。GPS每五分钟就会记录一次他们的位置，这些信息都会被匿名发送到位于剑桥的数据分析中心。

小镇的参与者们挺兴奋，还拍起了“实验日记”。他们这么放松当然是因为这个疫情只是模拟演习。

一场疫情的爆发，都是从“零号感染者”来到社区开始的。比如2014年，埃博拉在西非爆发，始于一个2岁的小男孩，他喜欢在有蝙蝠的树下玩，因而被病毒感染，他就是“零号病人”。

这次小镇疫情的“零号病人”就是主持人本人。Hannah扮演已经被病毒感染、却不自知的第一位病人。她在小镇里正常活动，为了不影响小镇居民的日常行为，她佩戴了隐形摄像头。

每种病毒的传播方式都不同。比如艾滋病毒，会在感染者身体里掩藏很多年的时间才出现症状。甚至一些流感病毒，你也可能携带着它正常活动一整天而没有任何感觉。因此病毒携带者很有可能并不知道自己正在传播疾病。

主持人一天里去了瑜伽课、书店、五金店、咖啡厅、超市，又在酒吧里度过了几个小时。

参与者在视频日记里说，他们仍然在正常生活，并不知道有什么事情发生，也不知道自己是否被感染。

而在剑桥，数学团队正在忙碌读取参与者的GPS数据，不断输入传染病模型。他们设置了一系列规则：1. 这是一种新病毒，没有人免疫；2. 它高度传染，距离越近、互动时间越长，感染可能性越高。他们日夜整理数据，计算着小镇有多少人被“零号病人”感染了。

3天之后，小镇志愿者们的命运揭晓。结果是，很多人都被感染了。

软件也能透露你传染了多少人。“超级传染者”是五金店的店员，她感到很不可思议，自己传染了8个人。

当主持人Hannah来到了剑桥数据中心，领队Julia Gog教授向她解释疫情爆发的过程。屏幕上可以看到参与者的运动路径，但并不是在同一地点停留的人都会感染，这和互动方式以及会面时间有关。参与者被感染时，蓝色的点就变成了红色。

主持人Hannah一共感染了9个人，在1天的时间里，小镇就有72人被感染了。到了第3天，病毒已经离开小镇，就跟野火一样四处蔓延，地图上红色的点无处不在。

3天时间，整个小镇86%的参与者都被感染了病毒。

数学模型如何帮我们做决策

Gog教授说，有了这样一个信息丰富的数学模型，我们就可以进行各种干预，模拟不同的结果，这可以帮助我们做出正确的决策。

比如，如果我们能够识别“超级传染者”的类型，对控制疫情会非常有帮助。假设我们研制出了疫苗，但数量和时间有限，不可能同时给所有人，那么先给谁？如果能够识别“超级传染者”，并先给他们注射疫苗，会极大地改变疫情扩散的速度。

Gog教授演示了两种模型：屏幕左边是未注射疫苗的模型，右侧的模型是把传染3个以上的人识别为“超级传染者”，并事先注射了疫苗的情况。在“小镇疫情”这个实验中，“超级传染者”有46个人。可以看到，有选择地给10%的人口注射疫苗，疫情扩散的结果就会大为不同，到了3天以后，最终的感染者少了40%！

如何识别“超级传染者”？真实世界中，商店店员、学校老师等职业，会频繁与人接触，都可能是“超级传染者”。但也有些易传染者，职业特征并不鲜明。

伦敦皇家理工大学的科学家研究得知：有些志愿者身体里复制的病毒数量和速度是其他人的几十倍，他们更容易传染其他人，“超级传染者”的存在也很可能是基因使然。

而这个“传染病传播模型”最关键的作用是，数据分析师可以模拟各种防疫手段并比较结果：比如，如果提前一天关闭学校，会是什么样的情形？如果关闭人们聚会的咖啡和酒吧呢？是不是必须要让所有人都待在家里？这些数据给了很多防疫的可能性，让这个小镇在疫情爆发时也许会幸存下来。

一场3万人的大型传染病模拟实验

但病毒不会只在小镇停留。在做这个实验时，一些“感染者”已经把“病毒”带入了全国。“BBC Pandemic”的传染病模拟实验，除了在小镇里进行，更重要的是动员全英民众来参与。

有这样的大数据模型可能产生什么结果？差距很可能是，NHS（英国国家医疗服务体系）一天收治100个感染者，和一天收治10000个感染者的差距！

传染病学的模型研究专家Kucharski医生希望能获得1万志愿者的数据。主持人感受到了重任！

Hannah去到BBC Radio 4 广播节目讲解这个项目的意义，动员人们下载软件参加实验。

她还拜访了年轻的互联网公司，在这个房间里工作的人全都是Facebook，Instagram，twitter的常驻用户。他们在互联网发起呼吁，邀请大家来参与。令主持人乍舌的是，5个小时里就有10万人观看了宣传视频！

最终参与实验的人数达到令人惊喜的2万9千人！主持人和专家们都非常兴奋，这样的数据库会对建设全国防疫系统有极大帮助。

这场实验，需要参与者在24小时的时间里，不断记录和与他人的互动方式，并且GPS每5分钟就记录参与者所在地点，这样，数据中心就可以了解到超级疫情在全国扩散的整个过程。

数据分析团队把疫情的传染性设置为了R1.8，平均一个感染者会传染1.8个人。这不是特别高的设定，有的病毒能够达到1个感染者传染20人。

在小镇疫情爆发后，在新型病毒疫苗研发出之前，全英会有多少人被感染？多少人死亡？结果揭晓。

3万人提供了数据。显示出的结果是惨烈的。

伦敦首先就变红了，感染人数上升得极其快，最终，全国有4千3百万人都被感染了！只有生活在小岛上的人避开了疫情。

死亡数字更加惊人。1919年，西班牙流感杀死了15万英国人。而模型里这个R1.8、致死率2%的病毒，在当代的英国，死亡人数达到了88.7万！

医生和主持人看到这个数字都震惊极了，疫情爆发的结果很可能就是如此严酷和沉重。最可怕的是时间线，仅需1个月的时间，全伦敦就被感染了，2个月就扩散到了英国北部。而研制疫苗需要起码4个月的时间，时间的紧迫不容乐观。

下次疫情必定会爆发，我们做好准备了吗？

2009年发生的猪流感疫情，相对来说致死率较低，但NHS（英国国家医疗系统）也感到难以应付，被感染的人数太多了。

NHS面对的最大挑战是什么？传染病防疫专家Chloe Sellwood医生说：“NHS正在为最糟的疫情做准备。最让人担心的是疫情发生的速度，大量的感染案例都出现在一两个星期里。如果感染人数能在更长的时间段相对缓慢地增加，NHS的应对就会从容得多。”

我们需要寻找让疫情扩散变缓的方式，这时大数据模型就能提供有用的指导，帮助做出决策。长期关闭学校和公共交通，会对社会和经济有极大的影响，这时，数学模型可以在其中寻找平衡点。

还有一个非常简单有效的应对方式，在疫情发生时，政府要传达给公众重要的信息就是：洗手！

公众在疫情期间更加注意洗手的话，会对疫情扩散的速度有什么影响？

Gog教授又进行了这样的演算：如果疫情期间每人每天比平时多洗手5-10次的话，对比模型可以看到，感染人数的增长要缓慢得多！最终的感染人数，是原模型感染人数的3/4，也就是说，近千万人，因为勤洗手而没有被感染，有几十万的生命因洗手被挽救了！

BBC的这次大型实验也引发了公众的思考：如果有疫情发生，作为个体都可以做些什么？人们会更有意识地自觉留在家里、多洗手和清洁、取消聚会活动、甚至与亲人隔离。

如果我们都在行动上配合，是有可能让疫情爆发缓慢下来的。但最重要的希望，还是在于提前防御它的爆发。

全世界的科学实验室都在寻找答案。UCL伦敦大学学院的生物工程师Tarit Mukhapadhyay医生说，他的团队Holy Grail正在寻找更激进的方法，让大量的疫苗在极短的时间研发出来。他们的目标是研制出普遍适用的病毒疫苗，不用每年换新疫苗，或者等待一个新的疫情发生再去研发。

目前生产的疫苗难有“普遍性”，是因为无法识别已经变异的病毒，病毒就好像穿上了“新外套”，而让旧的疫苗失去作用，这是目前生产疫苗的最大难题，必须和新病毒一一对应。

Holy Grail团队正在研发一种疫苗，专门攻击病毒中“不变”的部分，即使病毒变异出了不同的“新外套”，它也能够识别并阻止其复制。这样的疫苗就具有了“普遍性”，但是研发出“超级疫苗”并投入市场，可能还需要至少10年的时间。

主持人Hannah说，在“超级疫苗”诞生之前，可能大数据模型协助下的决策，就是当下最有效的防疫手段。3万志愿者的参与，让这一切都有了可能。

安潇 2020年2月 于 伦敦

今天这篇可爱的文章来自微信公众号“安潇”（ID：sukiandsula）。安潇是旅居伦敦的动画导演和漫画作者。受蒙特梭利理念的启发，她和两个女儿在家创造和实践了400多个早教小游戏。公号内容探索项目式学习、儿童心灵成长和父母的自我完善，她写了很多接地气、有观点、吸引人的故事，分享给同路上的妈妈们。

本文经 安潇(ID：sukiandsula）授权转载，原标题《BBC用这场3万人的实验告诉你，对抗下次疫情爆发，答案或许就是大数据！》，作者：安潇，未经允许请勿转载。