【钟南山点赞首个新冠全球预测系统】“兰州大学西部生态安全省部共建中心研发的‘新冠肺炎疫情全球预测系统’的预测是相当可靠的。”日前，由兰州大学科研团队研发的全球新冠疫情预测系统获得中国工程院院士钟南山的点赞。
在解答多个公众关注的疫情防控问题时，钟南山说，兰大的预测系统对于去年北京新发地疫情的预测，基本和后来的疫情发展一致。
钟南山院士的点赞，也让这个世界上第一个全球疫情预测系统受到了更多人的关注。
引入大气学科天气预报技巧
“全球首个、引入大气学科中天气预报的技巧、将政府的管控措施考虑其中、不仅做预测还能做归因分析、完全自主知识产权。”在接受中青报·中青网记者采访时，“新冠肺炎疫情全球预测系统”研究团队负责人、兰州大学西部生态安全省部共建协同创新中心主任黄建平教授介绍了该预测系统所具有的显著特点。
“这是世界上首个全球新冠疫情预测系统，目前对全球191个国家做未来一天、一个月和两个季度的预测，每10天更新一次月预测和季节预测的数据。”黄建平介绍，进入预测系统网站，只要点击任何一个地区，就能看见该地区某年某月某日的新冠疫情情况，这是目前全球唯一。
系统预测2021年2月2日全球新冠肺炎新增人数。兰州大学供图
该系统利用美国约翰斯·霍普金斯大学及WHO的新冠肺炎实时数据分析后得出预测结论。较之传统的流行病学分析，该系统引入大气科学、地学等学科的研究方法，进一步提高了预测的准确性。
“将大气学科中天气预报的技巧引入，是系统的显著特点。”黄建平说，基于传统流行病学模型已经有很长时间了，系统的第二版使用了更复杂的SEIR模型。SEIR模型定义了6种人群：易感者(S)，不易感者(P)，潜在感染者(E，处在潜伏期的感染者)，传染者(I，尚未隔离的感染者)，隔离者(Q，已确诊且已被隔离的感染者)，康复者和死亡者(R)。
“我们引入了天气预报的一些技巧，比方说，预报员做预报的时候，他们总会根据天气前期的演变，然后预测未来天气，就像从西伯利亚来了一股寒流，寒潮的到来会给我们今后的天气带来什么影响。”黄建平说，这个模式的最大特点就是把前期传播的演变、过程考虑进来，形成了气候预测中的统计动力方法与流行病学模型相结合的预测系统。
模型中社区解封时间和市民自我隔离等因素的考虑，使得预测更加准确。“政府的管控对疫情的发展相当重要。”在黄建平看来，如果疫情得到政府积极管控，疫情传播就会得到有效控制，反之，就会出现大面积的传播。就团队研发的预测系统而言，有效管控或没有管控的地区和国家比较容易预测，但那些时管时不管的地区，从研究分析层面看，其缺乏规律性，给预测带来困难，导致预测结果可能会有一定偏差。
“除了政府的管控措施之外，一些突发因素也在影响着疫情。”黄建平举例说，之前美国的抗议活动，造成了人员的大量聚集从而引发疫情加重；巴西则因为对疫情没有足够的重视，过早解封，使得确诊人数快速增长；还有一些国家在疫情期间遭受天灾，造成人员大量聚集，又没有很好的防护措施，也让疫情持续加重。
除了做新冠疫情预测外，该系统还对接种疫苗对新冠疫情传播的影响做了预测，预测条件是：从2021年1月1日开始的60天内，分别给全球10%、30%、50%、70%的人接种新冠疫苗，且每天接种疫苗的人数逐步增加，同时假设接种疫苗的人将获得永久免疫。
经过系统分析，得出的结论是：在不接种疫苗的情况下，全球每日新增病例数将稳步下降。然而，如果给全球10%、30%、50%、70%的人接种新冠疫苗后，全球每日新增病例数下降速度逐步加快，但并不能完全控制疫情。因此“积极有效的隔离措施和及时普遍的接种疫苗才是控制疫情的最佳方案。”黄建平表示，虽然现在大家都寄望于疫苗，但是接种疫苗的同时也必须加强防范措施，否则疫情的传播也不会停止。
“从预报来看，只有全世界70%的人都接种疫苗以后，而且这个疫苗的作用可以达到长时间有效时，才会明显地控制住疫情。”黄建平强调说。
多学科专家组成科研团队
新冠疫情全球预测系统的诞生，最初只是黄建平的一个念头。“在武汉疫情发生的时候，看着全国人民都在通过各种方式支援武汉，我就觉得应该做点什么。”黄建平说。
2020年6月该系统对于北京疫情的预测曲线图。兰州大学供图
“大气科学的一个核心的任务就是天气预报，所以，就想怎么能把天气预报的预测用到疫情预测当中。”去年春节时候，黄建平带着两个学生分析了当时武汉的疫情状况，到了3月以后，全球疫情蔓延十分严重，黄建平想到了运用大气科学相关知识，来预测新冠肺炎疫情传播。
起初，对于这样一个新的领域，黄建平也觉得心里没底。“当时还是很纠结，要不要开发这一全球的预测系统，因为这毕竟不是他们的主业，会耽误很多时间。”然而，令黄建平意外的是，在他征求了课题组老师和同学的意见，也咨询了公共卫生学院、医学院老师的意见后，他们大家都非常支持。
很快，由黄建平牵头，由大气、地学、公共卫生等相关学科的老师和学生组成的研发团队成立，经过近一年的努力，团队创新探索出了统计动力气候预测方法与流行病学模型相结合的全球首个新冠疫情预测系统。
该系统基于实时更新的流行病数据，对每个国家的逐日和季节性新增新冠肺炎发病数进行可靠预报。此外，对于最近出现的突发性的疫情，尤其是国内重点地区，包括北京、香港、新疆、河北、黑龙江等地区这段时间以来的聚集性疫情，也做了具体城市范围的预测，模拟了二级和三级响应措施下的疫情趋势，同时也评估了各地疫情防控工作的成效。
该系统自上线以来，对全球有疫情数据的190多个国家进行了未来一日、一月以及两个季度的新冠疫情预测，每10天更新一次预测数据。
该系统对2020年6月北京新发地突发疫情的预测结果表明，自6月11日开始的北京小规模疫情暴发，实际新增335人，预测新增310人。由于北京在第一时间内采取了严格的管控措施，迅速降低了感染率，避免了疫情的大规模暴发。除了6月24日开始的小高峰，疫情发展趋势与预测较为一致，显示了系统较好的预测能力，能够为研判疫情态势、采取有效防控手段提供一定的科学依据。
根据该系统于2020年11月份第二次更新的2020年12月疫情预测数据显示，美国12月单月累计确诊病例预计达到678万左右，而实际新增确诊病例约为658万，预测数据比实际数据仅偏高3.04%。
1月31日，在“广州实验室科技助力基层疫情防控万里行”启动活动上，钟南山说，根据兰州大学开发的新冠疫情预测模型预测，在政府的强力干预下，吉林、河北、黑龙江的疫情将在2月上旬基本控制。
“假如没有采取严格的防控措施，黑龙江2月底将有13万人感染，河北2月底将有12万人感染，这充分证明了我国政府采取的防疫措施的高效性。”黄建平说。
这个系统几乎对所有的流行病都适用
目前，兰州大学的新冠疫情预测系统已经推出了两版。“第二版使用了更复杂的模型，同时考虑社区解封时间及市民自我隔离对疫情发展的影响。”在对前不久河北疫情开展预测时，黄建平教授团队用截止2021年1月11日河北省的真实疫情数据进行预测，预测指出，若河北省采取二级响应措施，单日新增确诊病例于1月13日左右达到峰值90人，本轮疫情将于2月1日左右得到控制，累计确诊病例预计为945人。
黄建平介绍该系统研究模型。马富春摄
“实际情况是河北省的单日新增确诊病例数在1月12日、14日和15日到达峰值90人，截止1月31日24时，河北省本轮疫情累计确诊病例为938人，预报数据与实际数据极为贴近。”黄建平说。
“前两版也有局限性，就是因为各国都采取了隔离措施，所以预测系统假定人员不流动，而这是很难实现的。”目前，黄建平团队正在研发第三版预测系统，此版将会把各个口岸，飞机场每天进出的人数，以及在飞机路径上的那些国家，还有感染率等都导入预测系统，同时，还将引入更多环境影响参数，如自然灾害等，从而进一步提高预报的准确率。
“只要数据更加准确，参数更加全面，就能不断提高预测的准确率。”黄建平说，随着系统的不断完善，完全可以对一个国家、一个地区、一个城市，甚至某个县开展预测，预测结果对于疫情防控将有很高的参考价值。
“从目前来看，这个系统几乎对所有的流行病都适用。”黄建平希望将预测系统发展为一个全球的流行病学的预测模型。
“也会根据每个城市的情况不同，研发出更加细致的子模式，一旦这个城市出现疫情，能很快地做出预测，可以提供给政府更好的帮助。”黄建平希望将来这个系统能成为智慧城市的一部分。
