伦敦大学学院的神经学家卡尔·弗里斯顿建立了人脑功能的数学模型。最近，他将自己的模型应用到新冠肺炎身上，并用他所学到的知识为独立圣人提供建议，独立圣人委员会是作为英国政府官方流行病建议机构-紧急情况科学咨询小组(SAGE)的替代机构而成立的。
您使用的模型与流行病学家在这场大流行中为政府提供建议所依赖的传统模型有何不同？传统模型基本上将曲线拟合到历史数据，然后将这些曲线外推到未来。他们观察现象的表面--可观察的部分，或数据。我们的方法借鉴了物理学，特别是理查德·费曼(Richard Feynman)的工作，但我们的方法是在引擎盖下进行的。它试图捕捉这一现象的数学结构-在这种情况下，就是大流行-并理解所观察到的原因。因为我们不知道所有的原因，所以我们必须推断它们。但这种推论，以及隐含的不确定性，都是建立在模型中的。这就是为什么我们称它们为生成性模型，因为它们包含了生成数据所需知道的所有内容。随着更多的数据进入，你可以调整你对原因的看法，直到你的模型尽可能准确和简单地模拟数据。
关于新冠肺炎，你能举一个例子说明你所说的不确定性是什么意思吗，以及你是如何将不确定性融入你的模型中的？今天使用的一种常见的流行病学模型是SEIR模型，该模型认为人们必须处于四种状态之一--易感(S)、暴露(E)、感染(I)或康复(R)。不幸的是，现实并没有如此整齐地将它们分解。例如，被找回意味着什么？我们知道新冠肺炎是可以感染的，但是没有症状，那么是指从症状中恢复还是从感染中恢复？这个问题隐藏了许多其他问题，包括与国家测试战略有关的问题。当你思考数据的根本原因时，SEIR模型就会开始分崩离析。你需要能够考虑所有可能状态的模型，并评估哪些状态对随着时间的推移塑造大流行的轨迹具有重要意义。
这是产生性方法首次应用于大流行。它在其他领域证明了自己吗？这些技术自从脱离物理学以来取得了巨大的成功。他们已经运行你的iPhone和核电站很长时间了。在我的神经生物学领域，我们称这种方法为动态因果模型(DCM)。我们不能直接看到大脑状态，但是我们可以给出大脑成像数据来推断它们。事实上，我们已经将这个想法推得更远了。我们认为大脑可能在进行自己的动态因果建模，减少了它对感官提供给它的数据原因的不确定性。我们称之为自由能原理。但是，无论你谈论的是流行病还是大脑，根本问题都是一样的--你试图理解一个随时间变化的复杂系统。从这个意义上说，我并没有做什么新鲜事。这些数据是由新冠肺炎患者而不是神经元产生的，但除此之外，这只是办公室里的又一天。
你说生成性模型也比传统模型更有效率。你是什么意思？流行病学家目前通过利用高性能计算机进行大规模的数字运算来解决推断问题。想象一下，您想要模拟苏格兰的一场疫情。使用传统方法，这将花费您一天或更长时间来使用今天的计算资源。这只是模拟一个模型或假设--一组参数和一组起始条件。使用DCM，您可以立即执行相同的操作。这让你可以快速、轻松地给不同的假设打分，从而更快地找到最好的假设。
还有其他优势吗？是。对于传统的SEIR模型，干预和监测是您添加到模型中的东西-微调或扰动-以便您可以看到它们对发病率和死亡率的影响。但是，在生成性模型中，这些东西与其他重要的东西一起被构建到模型本身中。我们作为个人--以及作为一个社会--的反应，成为流行病学过程的一部分，成为一个大型的自我组织、自我监测系统的一部分。这意味着不仅可以预测未来的病例和死亡人数，还可以预测社会和机构的反应-并为这些预测附加准确的日期。
你的预测在第一波感染中得到了多大程度的证实？至于伦敦，我们预计4月5日入院人数将达到高峰，死亡人数将在5天后达到高峰，重症监护病房的占用率不会超过容量-这意味着将不需要南丁格尔医院。我们还预测，到5月8日，首都的情况将有所改善，这可能会放松社会疏远措施-他们正在
你的模型对第二波的风险有什么看法？这些模型支持这样的观点，即未来几周发生的事情不会在触发反弹方面产生太大影响-因为人口在一定程度上受到第一波期间获得的免疫力的保护。真正令人担忧的是，当这种豁免权消失时，第二波浪潮可能会在几个月后爆发。我们可以测试一系列假设，基于非常短的免疫期-就像普通感冒一样-直到持续数十年的免疫权。对于每个持续时间，我们都可以计算出第二波出现的概率和出现的时间。这项工作现在还为时尚早，我怀着真正的兴奋期待着新的免疫力数据的出现，因为现在有了可靠的抗体测试。但重要的信息是，我们现在有一个机会之窗，可以在假定的第二波之前制定好测试和跟踪协议。如果这些都得到了一致的实施，我们可能会将这波浪潮推迟到可以获得治疗或疫苗的时间范围之外，这是我们在第一次之前无法做到的。
一旦大流行结束，你能用你的模型来询问哪个国家的反应最好吗？这已经在发生了，作为我们试图理解数据潜在原因的一部分。我们一直在比较英国和德国，试图解释德国相对较低的死亡率。答案有时是违反直觉的。例如，看起来德国的低死亡率似乎不是因为他们优越的检测能力，而是因为普通德国人比普通英国人更不可能感染和死亡。为什么？有各种可能的解释，但看起来越来越有可能的一种解释是，德国有更多的免疫性“暗物质”--不受感染的人，可能是因为他们地理上与世隔绝，或者有某种天然的抵抗力。这就像宇宙中的暗物质：我们看不见它，但我们知道它一定存在，以解释我们所能看到的东西。知道它的存在对我们为任何第二波做准备都是有用的，因为这表明对那些接触新冠肺炎的高危人群进行有针对性的测试可能比对整个人群进行非选择性测试更好。
生成性模型是疾病建模的未来吗？这是流行病学家的问题--他们是专家。但是，考虑到费曼的思想在许多其他学科中产生的影响，如果流行病学界中至少有一部分人在未来没有更多地致力于这种方法，我会感到非常惊讶。
最后，“连线”杂志的采访称，你喜欢抽烟，中午之前不要和任何人说话，没有手机，也不喜欢一对一的会议。这些东西在封锁期间有变化吗？恐怕不行。诚然，这可以被认为是一对一的会议，但我的默认模式是在一个小组中分享想法-独立智者风格-正常的服务很快就会恢复。就在我和你讲话之前，我谢绝了在早间电台演讲的邀请，现在我要去抽烟了。