。

天気予報アプリがあなたのCOVIDリスクを予測する可能性

By Laura Tedesco

2022年8月17日 - タピオ・シュナイダーは気候科学者であり、彼の妻は機械工学者です。多くの点で、彼らはCOVIDの影響を受けた他の多くの家族と同じでした。2人の幼い子供が学校に行かず、自宅から延々とZoom会議が続くのです。しかし、2人はサワードウパンを作ったり、ロックダウン中に散歩をしたりするだけではありませんでした。自分たちの専門性をどう生かせるか、知恵を絞っていたのです。

カリフォルニア工科大学の環境科学・工学の教授で、NASAジェット推進研究所の上級研究員でもあるシュナイダー氏は、「私たちも他の人と同じように家に閉じこもり、孤立やロックダウンをどう回避するか話し合っていました」と振り返る。

当時、ウイルスを制御する唯一の方法として知られていたのがロックダウンだったが、シュナイダーはそれがうまく機能しないと感じていた。

「パンデミックの最盛期でも、実際に感染していたのは人口の1〜2％でした」と彼は言う。「98％なら隔離する必要はないでしょう」。しかし、問題は、その感染者が誰なのかを把握することだった。

そこで、彼は思いついた。天気予報のアプリと同じ技術で、COVIDの「予報」を作ったらどうだろう？

シュナイダーの妻もキャルテックの教授で、体温センサーの研究をしていた。同じような機器からのデータをCOVIDの検査データと組み合わせれば、その人がウイルスに感染する可能性を予測できるかもしれない、と彼らは考えた。そのデータをアプリに送れば、各ユーザーに合わせたリスクをスマートフォンで確認することができる。

このアイデアの種は、PLOS Computational Biologyに掲載された研究になりました。シュナイダーは、ドイツの計算科学者やニューヨークのコロンビア大学の疾病モデラーを含むグローバルチームと協力し、このようなアプリがCOVIDのようなパンデミックを抑制するのに役立つかどうかを調査しています。そしてその結果は、有望なものでした。

COVID予測アプリの仕組み

天気予報のアプリを使ったことがある人なら、週末の予報が月曜日と金曜日ではまったく違って見えることにお気づきでしょう。それは、気象予報士が何をしているのかわからないからではありません。これは、膨大な量のデータが常にインポートされ、実際の日付が近づくにつれて予報の精度が上がっていることを反映しているのです。

天気予報アプリは12時間ごとに分析を行っている。まず、気象台や人工衛星で観測された気温、湿度、風速など、現在の大気の状態を把握する。この情報を12時間前の予報とブレンドし、大気モデルに落とし込みます。さらに12時間後の状況をアルゴリズムが予測し、天気予報アプリが更新され、半日後にそのサイクルが繰り返される。

同様の方法を用いるアプリを想像してください。COVIDデータを疾病追跡モデルにプラグインし、リスクのある状態から、曝露、感染、そして最終的に回復、入院、死亡に至るまでの経路を図にするものです。データには、迅速検査や抗原検査の結果、自己申告による症状など明らかなものに加え、スマートフォンのデータや地域の廃水中のウイルス量など、予想外のものも含まれます（COVIDの発生を予測する貴重なツールとして急速に普及しつつあります）。

「重要なのは、これが個人に特化したものであるということです」とシュナイダーは説明する。このアプリは、単にあなたの街の感染者の割合を予測するだけではなく、Bluetooth対応デバイスが拾ったデータに基づいて、あなた固有のウイルス感染リスクを評価するのです。

米国よりも欧州やアジアで広く使われている既存の感染通知アプリは、ウイルスに感染した可能性がある場合に警告を発しますが、警告が出るまでの間に更新されることはありません。シュナイダーは、これらのアプリが使用するデータをより効率的に使用し、他のデータソースを利用し、定期的に更新される感染力予測を提供し、感染の可能性がある後に自己隔離するようアドバイスすることを想像しています。

アプリはどの程度効果的か？

シュナイダー氏と彼のチームは、パンデミックの初期段階におけるニューヨーク市を模倣したシミュレーション都市を作成しました。このデータの網には、何千もの交差する点が含まれ、それぞれが日常的に交流の多い人、少ない人を表している。年齢がCOVIDの経路に影響を与えるため、それぞれに年齢が割り当てられています。

シミュレーションの結果、わかったこと。75%の人がCOVID予測アプリを使用し、推奨されるように自己隔離した場合、パンデミックは効果的に抑制されます - 診断検査率が高い限りは。

「シュナイダー氏は、この場合の「ごく一部」とは人口の10％程度であると指摘します。「どのような時でも、人口のごく一部だけが隔離されることを除けば、ロックダウンと同じような効果を発揮します。「ほとんどの人は普通に生活できるのです」。

しかし、COVIDのワクチン接種率が低迷していることが明らかになったように、ほぼ普遍的なコンプライアンスは達成できない目標であるかもしれない。

もう一つの課題は、データが匿名化されるとはいえ、プライバシーに関する懸念を克服することだ。シュナイダーは、大学キャンパスや職場などの小さなコミュニティから始めることで、人々が自分のデータを共有することの利点を理解し、より広く受け入れられるようになるかもしれないと述べています。若い人たちは、健康情報を開示することに抵抗がないようです。つまり、このようなアプリを使うことに抵抗がないのです。特に、ロックダウンを回避できるのであれば、なおさらです。

感染症追跡の未来。一人ひとりに力を与える

感染症の数理モデリングは、何も新しいことではありません。2009年、H1N1（豚インフルエンザ）の大流行時、CDCは複数のソースからのデータを用いて、インフルエンザの蔓延を遅らせるのに役立てました。2016年から2017年にかけてのジカ熱の急増の際には、モデリングによって、研究者はウイルスと小頭症（赤ちゃんの頭が通常よりずっと小さい状態）との関連を早期に特定することができました。2022年の『Clinical Infectious Diseases』誌の論文によると、実際、数学的予測はインフルエンザからHIVまであらゆるものに役立っているとのことである。

そして、米国史上最悪のパンデミックであるCOVID-19が発生し、新たなレベルの数値計算が要求されるようになりました。

CDCはマサチューセッツ大学アムハースト校と共同で、COVIDの症例、入院、死亡を予測するために、複数の独立した予測を統合したデータリポジトリ「The Hub」を作成しました。この大規模なプロジェクトは、公共政策に役立つだけでなく、迅速なコンタクトトレーシングの重要性を明らかにしました。接触者の特定に6日半以上かかるようでは、ほとんど意味がないのです。

シュナイダーは、かつてCOVID対策として称賛された方法について、この懸念を表明しています。シュナイダー氏のチームが行ったアプリを使った予測シミュレーションでは、「検査、追跡、隔離を行うよりも、感染している可能性のある人をより多く特定できるため、死亡率が2倍から4倍程度低下します」と述べています。COVIDは無症状で感染する割合が高く、ウイルスの潜伏期間も短いため、接触者追跡では感染拡大を抑制する能力に限界があります。複数のデータソースと疾病伝播のモデルを組み合わせることで、より効率的になります。

Schneider氏は、「ネットワーク上でどのように広がっていくのかがわかるでしょう」と言います。「そして、それを組み込めば、より効果的に流行をコントロールできるようになるのです」。

この数学的アプローチを、集団全体ではなく、個人に適用することが、シュナイダーのビジョンの真の革新です。これまでは、例えばニューヨーク市全域で感染者を見つける確率を予測することができました。しかし、シュナイダーが開発しようとしているアプリは、ユーザー一人ひとりの感染確率を独自に割り出すことができる。そうなれば、十分な情報を得た上で決断する力が生まれます。今夜は外出するか、自粛するか？- 今夜は外出する？

「シュナイダーは、「この技術は、十分に広く採用され、検査と組み合わされれば、伝染病の管理、さらには伝染病を完全に抑制することにつながるものです。

この技術革新は、インフルエンザのような感染症の追跡や、次のCOVIDを抑制するのに役立つと、シュナイダーは言います。

「あなたは、伝染病を制御し、病気や苦しみを最小限に抑えたいと考えています」と、彼は言います。「同時に、経済的な混乱や生活、学校生活への支障も最小限に抑えたい。今回紹介したようなデジタルな手段で、この2つの目的を達成することができればと思います」。