流感预测新时代

编译 舒愉棉

流感病毒颗粒的透射电子显微成像

在北半球的流感季到来之际，流感预报界的保留活动——流感病例实时评估和前瞻性流感预测评价——蓄势待发。美国疾病预防与控制中心（下文简称“疾控中心”）每年都会将这一保留活动变成一种竞赛，预测团队倾尽全力以便最精准地预测出流感季到来的时间、高峰期和强度。

疾控中心每周会为这些团队提供来自全国公共卫生和临床实验室的确诊流感和门诊就诊的疑似流感疾病的监测数据，但这些数据远远落后于实际情况，而且并不是所有感染流感病毒的人都会前往医院就诊。为了推进流感预测工作，疾控中心在2013—2014年流感季首次启动了“流感季预测挑战”活动，并为第一名提供了75 000美元奖金。尽管此后再未有过奖金，但预测团队们却继续相互竞争，并以最准确地预测出流感季的起点、严重程度和高峰期为荣。

卡内基梅隆大学德尔福团队的罗尼罗森菲尔德（Roni Rosenfeld）研究组在近3次流感季预测竞赛中摘得桂冠。例如，在2016—2017年的流感季，他的研究团队预测流感季将会在1月的第4周左右达到高峰期（误差范围在12月最后1周到3月中旬之间），并且因疑似流感症状的门诊就诊比例将达到峰值4.5%（全国基线为2.2%）。而事实上，2016—2017年流感季高峰期出现在2月的第2周，门诊就诊比例的峰值为5%。

当被问及团队预测成功的秘诀时，罗森菲尔德回答说，“如果有秘诀，那应该是密切关注疾控中心提供的来自实验室和门诊病人报告的监测信号以及社交媒体的数字信号。”事实上，他的研究小组并没有依赖流行病学或进化论，而是专注于疾控中心提供的16次流感季的监测数据。“实际上，我们唯一以理论为依据的假设是，本年度流感季的流行病学轨迹或多或少会与之前的流感季相似。”

然而，作为预测的基础，数学模型的好坏取决于他们使用的数据，而人类在季节交替时对流感作出怎样的反应会随着时间推移而改变，因为病毒自身也会进化出对抗人类免疫系统的防御机制。

建立流感预测没有经典的方法，但每个预测团队的目标却是一致的。流感季内预测意味着将疑似流感的病例报告和实验室确认后的检验结果的监测数据转化为每周发病率预测，同时预测数据可能也包括了来自推特等社交媒体的众包数据，通过这些数据建起的模型追踪流感在何时何地以及在哪些年龄段发生，并形成实时预报，建模师由此预测流感季的轨迹和强度的峰值。如果研究团队将流行病学理论纳入考虑范围，就意味着将需要获取人群易感度和当季流感疫苗的注射和效能数据，并且需要把一个患者可能感染多少人考虑进来。

流感病毒颗粒的透射电子显微成像

流感季前的流感预测

2017年10月25日发表在《科学·转化医学》杂志的一篇研究报告试图通过填补流行病学和进化论之间的鸿沟，从而使预测团队提出对极具危险的流感病毒株严重程度的预警。研究结果在还未有任何一人被报道患病之前就预测了流感季。罗森菲尔德说：“这比我们之前尝试过的都更有目标性，作者应为此受到嘉奖。”

这一最新报告主要针对的是甲型流感（H3N2）病毒——自1968年以来一直在人群中流行的一种季节性流感。根据它过去呈现的突变情况，模型预估了该病毒在即将到来的流感季中有多大可能发生突变，并预测了未来会因H3N2生病的人数。

通过运用这一模型，研究者们在2016—2017年流感季开始前就准确预测出了H3N2的高发情况。

芝加哥大学的莫西迪斯·帕斯卡（Mercedes Pascual）是文章的共同作者，他在致《科学家》杂志的电子邮件中回复道，“我们使用更新到6月份的观测数据来预测流感季，并预估出了即将到来的H3N2流感爆发的时间轨迹，我们所使用的观测数据包括了该病毒的流感监测数据和基因测序数据。”

预测团队积累了H3N2十年来的系统进化数据，这些数据记录了H3N2为了逃避人类免疫系统而如何改变自己的表面蛋白。通过运用这些数据和他们建立起的模型，研究者在2016—2017年流感季开始前就准确预测出了H3N2的高发病例。研究团队还对此前的流感季进行验证，准确地回溯到了2002年10月以来美国季节性流感的实况。报告中写道，“本研究提出的模型非常简单，可以通过追溯监测数据预估它们的相关参数。”

罗森菲尔德说：“我非常期待看到这个新方法在这次流感季和未来的表现。要知道，对于疾控中心而言，只有在流感季结束之后才能搞清楚流感的真正强度。”

2017—2018年流感季预测

对于美国而言，正如帕斯卡尔团队预测的那样，今年的流感季从10月1日开始，截至日前，H3N2已经占据主导地位。罗森菲尔德的团队预计，本次流感季强度高峰期将在2018年1月的第2周到第4周之间出现，但情况会变得多糟糕目前依旧还是个未知数。目前，除路易斯安那州外，其他州的活动情况尚且低于同期水平。

H1N1 流感病毒颗粒

帕斯卡尔说：“2017年的分析显示，病毒已经变异。我们预测2017—2018年的冬季流感爆发高于平均水平，当然并不严重，最多只是中等程度，因为上个冬季的流感季情况真的非常糟糕。”

同样在2017年，疾控中心尝试在全国和局部地区预测的同时进行分州预报。“2017年，我们率先与预测团队一起细化到州层面进行尝试，并在数周之前开始进行分州预报。”来自疾控中心下设的免疫和呼吸疾病国家中心流感科的流行病学家、建模师马修·比格斯塔夫（Matthew Biggerstaff ）介绍道。

这次新的尝试并没有覆盖美国所有的州。“通过对比参与州和非参与州的数据，研究参与州是否比非参与州预测所获的结果更为准确，这对未来工作大有裨益。”马修补充道。例如，伊利诺伊州目前所预测的结果与全国预测平均水平相似，不过相比之下可能会更早到达峰值。

流感预测全球进行时

世界卫生组织（WHO）自1947年起就开始提供全球范围内的流感监测数据。1997年，WHO通过流感网（FluNet）将病毒学数据公布于众。而2006年禽流感病毒爆发后，WHO成员国将科学用途的基因测序数据共享列入了首要任务，并因此建成了非营利性网站流感数据全球共享网 （GISAID），为全世界开放获取数据提供保障。

H1N1 流感病毒颗粒

美国华盛顿特区泛美卫生组织流感监测小组协调员瑞吉·帕雷克（Rakhee Palekar）说：“自2009年流感大爆发以来，流感病毒监测数据的及时获取在全球范围内都得到了极大加强，但流感预测在大多数国家的监测系统中仍旧不属于常规工作，因此公开病毒学监测数据和基因测序数据库让研究系统的科研人员能够参与到流感预测工作中来。”例如，共享南半球流感季的数据能够帮助北半球的工作人员理解病毒株进化的方式，但围绕流感预测仍旧有大量谜团尚未解开。

墨尔本大学人口和卫生学院的罗布·莫斯（Rob Moss）说：“进化动力学研究非常重要，因为如果病毒自上一次流感季后进化得足够快、改变得足够多，那么在下一次流感季时过去研发的疫苗就没办法为新病毒株提供足够的保护。”临床数据监测自身亦有其局限性，例如，并非所有流感患者都会前往就医，也并非所有流感患者都会表征病兆，这使得卫生机构很难监测到每一例病例，而这些遗漏的病例可以继续感染他人。他补充道：“对流感一剑封喉的预测方法尚未出现。”