Dr Aneta Afelt: Rozwój epidemii można przewidzieć

Z dr Anetą Afelt, geografem z Interdyscyplinarnego Centrum Modelowania Matematycznego i Komputerowego Uniwersytetu Warszawskiego, rozmawia Mariusz Tomczak.

Czy pandemia COVID-19 i rozprzestrzenianie się koronawirusa SARS-CoV-2 są naukowo przewidywalne?

Rozwój ilościowy aktualnej epidemii w populacji można przewidywać dzięki znajomości warunków w jakich zachodzi rozprzestrzenianie się wirusa m.in. gęstości zaludnienia, struktury demograficznej, charakterystyki socjologicznej społeczności.

Pozwala to na szacowanie skali kontaktów w ramach najbliższej rodziny i aktywności zawodowej, szkolnej czy towarzyskiej. Znajomość skomunikowania tzw. baniek, czyli mikrospołeczności, ma duże znaczenie przy przewidywaniu skali rozprzestrzeniania się różnych chorób zakaźnych.

Na jesienny bardzo intensywny rozwój epidemii wirusa SARS-CoV-2 miało wpływ nasze zachowanie. Epidemia wybuchła wiosną, ale udało ją się wówczas opanować, wakacje spędzaliśmy raczej w wąskim gronie rodziny i przyjaciół bez intensywnego usieciowienia naszych kontaktów społecznych.

Jesienią rozszerzyliśmy naszą mikrospołeczność – dorośli poprzez kontakty z osobami w pracy, a dzieci w wyniku powrotu do szkół. Wprawdzie wśród osób najmłodszych możliwość przekazywania koronawirusa jest niewielka, ale wzajemne interakcje sprawiły, że był on transmitowany do kolejnych mikrospołeczności, co było ważnym czynnikiem jesiennego wzrostu zakażeń.

Z badań naukowych wynika, że reakcje osób na kontakt z koronawirusem są różne: u niektórych zakażenie przebiega bez objawów fizycznych, u innych występują dolegliwości grypopodobne, ale są też tacy, u których symptomy są na tyle specyficzne, że muszą zgłosić się po pomoc do lekarza. To wszystko również można uwzględnić w modelowaniu, znając proporcje liczby osób w poszczególnych grupach oraz opierając się na liczebności zdiagnozowanych przypadków zakażeń SARS-CoV-2.

Na czym polega unikalność modelu epidemiologicznego stworzonego przez naukowców z Interdyscyplinarnego Centrum Modelowania Matematycznego Uniwersytetu Warszawskiego?

Model epidemiologiczny rozprzestrzenienia się koronawirusa SARS-CoV-2 opracowany przez ICM UW należy do dużej grupy tzw. modeli agentowych. Początkowo w ogóle nie funkcjonował w przestrzeni publicznej, był projektem naukowym zrealizowanym około 2010 r. i miał służyć przewidywaniu rozprzestrzeniania się grypy.

Z uwagi na pandemię COVID-19 i zapotrzebowanie społeczne dokonaliśmy zmian, dostosowując go do specyfiki rozprzestrzeniania się wirusa SARS-CoV-2 oraz udostępniliśmy publicznie wyniki naszych prognoz. W naszym modelu Polska jest podzielona na siatkę kwadratów o rozmiarze 1 km kw. Każdy z nich ma przyporządkowane konkretne cechy przestrzenne i demograficzne np. liczbę i wiek ludności, gęstość zaludnienia czy charakterystykę aktywności struktury społecznej.

Ponadto próbujemy odtwarzać sieć szkół, uniwersytetów, generalnych aktywności w przestrzeni publicznej (transport, praca). Dzięki temu można prognozować przyszłą sytuację epidemiczną w skali regionalnej – w województwach, a nawet lokalnej – w powiatach. Udało się to nam całkiem nieźle, bo chyba jako jedyni przewidzieliśmy jesienny wzrost zachorowań.

Wyniki analiz Interdyscyplinarnego Centrum Modelowania Uniwersytetu Warszawskiego są na bieżąco dostarczane do Ministerstwa Zdrowia i wszystkich instytucji zainteresowanych dostępem do naszych prognoz. To, jak przebiegają kontakty z przedstawicielami rządu, jest objęte tajemnicą zawodową.

Czy w innych krajach również korzysta się z podobnych prognoz?

Są różne sposoby modelowania, a w zależności od celu, do jakiego mają służyć prognozy, stosuje się dedykowane metody. Z podobnymi klasami modelowania jak w przypadku modelu epidemiologicznego ICM UW mamy do czynienia w takich krajach jak USA, Wielka Brytania, Francja czy Tajwan.

Modelować można bardzo różne choroby, np. grypę, co jest przedmiotem corocznego zainteresowania m.in. rządu USA, czy w ogólności procesy, np. potencjalny kierunek rozwoju opieki zdrowotnej niezbędny do leczenia nowotworów czy zapotrzebowanie na serwis medyczny. Modele agentowe poprzez swoją rozdzielczość i elastyczność mają bardzo szerokie zastosowania nie tylko w zdrowiu publicznym.

Aby móc efektywnie korzystać z modeli agentowych niezbędne jest spełnienie kluczowego warunku – tylko na wiarygodnych danych można oprzeć dobrą prognozę. Wykorzystywane w naszym modelu informacje dotyczące charakterystyki kraju są oparte na „twardych” danych pozyskiwanych m.in. z GUS, danych o rozwoju epidemii i systematycznie pozyskiwanej wiedzy z literatury naukowej weryfikującej założenia m.in. zakaźności wirusa.

Dlaczego dane Ministerstwa Zdrowia wykorzystywane w modelu ICM UW pochodzą ze zbioru przygotowywanego przez 19-letniego grafika komputerowego Michała Rogalskiego, który robi to amatorsko? Pojawiają się opinie, że to może umniejszyć wiarygodność państwa pracy.

Należy tu wyjaśnić zasadnicze nieporozumienie, które funkcjonuje w przestrzeni publicznej. Pan Michał Rogalski wykonał i wciąż wykonuje bardzo dobrą i społecznie użyteczną pracę – gromadząc rozproszone w przestrzeni publicznej informacje o raportowanych liczbach zakażeń, wykonanych testów, skierowaniu na kwarantannę umożliwia każdemu z członków naszej społeczności ilościowe śledzenie rozwoju epidemii.

Niemniej dla profesjonalistów jest jasne, że dane ilościowe raportowane przez instytucje krajowe mają charakter jedynie orientacyjny, interpretacyjnie ściśle powiązany z bieżącym modelem testowania i strategią zapobiegania rozprzestrzenieniu wirusa. Odrębną sprawą jest ocena strategii, ale to przedmiot odrębnej dyskusji.

Wiarygodne modelowanie z definicji musi uwzględniać nie tylko liczbę wykrytych przypadków, ale przede wszystkim sposób uzyskania tej informacji i jej znaczenie praktyczne dla estymacji rzeczywistej liczby osób zakażonych. Stąd, prognozując zakładamy szereg scenariuszy, m.in. długość czasu przedobjawowego, przedział czasu zakaźnego, relację statystyczną liczby osób objawowych do bezobjawowych. To te dane wejściowe o epidemii są de facto podstawą modelowania, a dopiero wynik jest prezentowany jako krzywa przebiegu liczebnościowego zakażeń wizualizowana na danych rzeczywistych gromadzonych przez pana Rogalskiego.

W kraju toczy się gorąca dyskusja na temat dostępu do danych o pacjentach COVID-19. Wiele środowisk naukowych i społecznych oczekuje dostępu do informacji, co jest zrozumiałe. Szczególnie w warunkach kryzysu epidemicznego. Niemniej konieczne jest również uwzględnienie w oczekiwaniach bardzo ważnego aspektu danych medycznych – są to dane niezwykle wrażliwe, dotyczą konkretnych osób i ich rodzin, a ujawnienie/identyfikacja pacjenta wyrządza ogromne szkody osobiste i społeczne. Mieliśmy już przykłady tego wiosną tego roku na początku epidemii.

Do prawidłowego udostępnienia danych o zachorowaniach zwyczajnie potrzebny jest czas na ich przygotowanie, weryfikację, pełne zanonimizowanie. Jestem pewna, że ten moment nastąpi, zaczekajmy cierpliwie. A do tego czasu pan Rogalski świetnie się sytuuje w swoich działaniach jako twórca społecznie dostępnej informacji o przebiegu zachorowań.