文章来源于DataCastle数据城堡 ，作者周涛

在新冠肺炎的肆虐下，董寰不合时宜的寄了一本Nathan Wolfe的《病毒来袭：如何应对下一场流行病的爆发》给我[1]。书读得很快，读完就觉得有感欲发，但偏偏此刻病毒已经来袭，手头陆陆续续还有一些分析工作，所以拖了好久才开始写读后感。好多“感”可能已经记不清了，庆幸的是留下来的应该都是那些浓稠的感觉。

《病毒来袭：如何应对下一场流行病的爆发》

作者：[美] 内森•沃尔夫（Nathan Wolfe）译者: 沈捷

浙江人民出版社

书中有两个重要结论让我印象深刻。

一是Wolfe用了很长的篇幅和翔实的例子，包括我们谈虎色变的埃博拉病毒和艾滋病，说明了野生动物所携带的病毒是人类面临的巨大威胁。除了病毒在传播演化过程中的突变外，病毒如果有机会跳跃到其他物种身上而没有很快死翘翘，特别是有机会和另外的病毒在新环境中相遇，很可能会发生大的变异，甚至两个或多个病毒通过交换基因相互增益。

狩猎和食用野生动物（这不一定是富人的游戏，在很多地方是一种维持生存的方式）是最有可能染上这些危险病毒的。尽管其中绝大部分没有对人类形成伤害（有的甚至有益），但野生动物是人类新发流行病的最大威胁目前已经成为了主流共识（早期Wolfe在这方面也做出了卓越贡献[2]）

二是我们高效便捷的航空、铁路、海运和公路交通系统，可以让这些病毒以极短的时间扩散出去，成为可能影响全球人类健康的危险。所以，任何一个被现代化触及的国家和地区，一旦出现了危险的传染病，立刻就要成为一个国际关注的问题。很多时候，留给一个似乎安全的国家的准备时间并不多，这次新冠肺炎中的韩国、意大利、伊朗就是典型的例子。

钻石公主号邮轮，最终确诊病例696人

Wolfe不仅仅是一个学者，他还是一个一线的实干家。他放弃了加州大学的教授职位，创立了环球病毒预警行动组织（Global Viral Forecasting Initiative, GVFI），尝试通过监测“哨兵人群”（主要是对猎人的持续监控，关注他们有没有出现传染病症状，其次也监测动物栖息地不正常的动物群死事件，再次还关注定期接受输血的人群等），预知传染病流行的风险，把可能感染上亿人，危及千百万人生命的传染病扼杀在摇篮中。因此，Wolfe和他的同仁并不是如我们这般典型的研究人员在电脑面前玩弄方程和数据（这也非常重要），而是长期出没于亚洲和非洲的丛林，与部落居民和野生动物打交道。

环球病毒预警行动组织2013年更名为环球病毒组织（Global Viral, GV）。作为一个独立研究机构，GV的研究内容比GVFI更广泛，后来GV再次被整合，成了现在的复杂系统研究实验室（Laboratory for Research in Complex Systems, LRC）[3]，CEO也换了，原来GVFI的内容有所淡化。与此同时，Wolfe参与发起了一个升级版本的项目，环球病毒组项目（Global Virome Project, GVP）[4]。这个全球合作项目目标更加宏大，旨在通过10年的时间，找出并刻画99%以上可能会导致全球或地方流行病的动物病毒，从而大幅度降低人类感染上这些流行病的风险[5]。

1940年到2004年间全球新发传染病事件源发地图

《病毒来袭》这本书用一种通俗简浅的方式描述了一个重大主题，我们从中获得的不仅仅是传染病的知识，还有Wolfe及其同事的情怀。这是真正能够为所谓的“人类命运共同体”做出卓越贡献的项目，尽管其间困难重重（我认为Wolfe创立GVFI的目标并没有达成，希望GVP的新目标能够达成）。

Wolfe在书中多次强调，人类需要尊重自然规律（例如蝙蝠已经竭尽全力远远躲开人类，我们还非要抓出来炖汤，就属于不尊重自然规律）。这次中国在饱受COVID-19肆虐的时候，同步修改法律，禁止食用野生动物，在很大程度上是走在了世界的前列，既是受害者不得不做的自我防护，也是在为全世界负责任。这些行动对于降低全球风险，都有里程碑的价值。

我们在期望Wolfe及其同仁的成功时，也不能放松警惕，仅仅依靠预报系统。在预报失败且有效治疗手段和疫苗都不存在的情况下，基于流行病传播的特性进行阻断，也就是我们经常说的防控措施，是能够救世界于水火的重要举措。要想更好地预测流行病演化的趋势并对政府各种干预措施做出定量化的评价，甚至预测某些干预措施可能的效果，都需要构建流行病传播的大规模仿真系统（例如分析关闭学校对流感的影响[6]和交通限制对COVID-19的影响[7]）。

美国有一套流行病动力学仿真系统，将全国划成了25公里乘以25公里的若干网格，每个格子里面的人口密度，人口结构，家庭结构，学校和企业规模分布数据都有，还有网格间的人口流动数据。因此可以建立一个网络传播模型，每个节点就是一个网格。网格内部还有更精细的网络传播模型，每一个节点是一个人。有了这样的模型，美国对于疫情传播趋势的预测比较准确，对于人员隔离、交通限制、停工停学等不同防控措施的效果比较清楚。如同Wolfe的流行病预报系统一样，搭建这套仿真系统也花了十多年的时间，而且现在数据的实时性和准确性依然常常面临挑战。我们如果希望能够做出快速正确的阻断决策，就应当建立越来越精确的流行病传播仿真系统，包括在中国建立一套更精确的流行病传播仿真系统。

新加坡寨卡病毒感染病例传播的时空数据

在进行微观防控的时候，还需要充分利用信息化的技术，快速定位确诊患者和疑似患者的密切接触者。例如有些城市在公共交通工具（公交、地铁，出租车、其他公共营运车辆等）、人群聚集地（写字楼、园区、商场、超市、餐馆、酒店等）和特别需要关注场所（如药店）张贴二维码，老百姓扫二维码自动签到。如果没什么事儿，这些数据都是匿名的，隐私也会保护好，如果出现了确诊或者疑似人员，就可以立刻找到和他们利用相同交通工具或在相同时空驻留的密切接触者。对于流行病传播阻断来说，这几乎算是完美工具了。

我这辈子还从来没有亲眼见到过一个学科因为很多人的共同努力而消灭掉自己。希望流行病学能够成为第一个杀死自己的科学分支。

[1] N. D. Wolfe (沈捷译)，《病毒来袭：如何应对下一场流行病的爆发》，浙江人民出版社，2014年。

[2] N. D. Wolfe, C. P. Dunavan, J. Diamond, Origins of major human infectious diseases, Nature 447 (2007) 279-283.

[3] https://www.lrc.systems/.

[4] http://www.globalviromeproject.org/.

[5] D. Carroll, P. Daszak, N. D. Wolfe, et al., The global virome project, Science 359 (2018) 872-874.

[6] Q.-H. Liu, M. Ajelli, A. Aleta, et al., Measurability of the epidemic reproduction number in data-driven contact networks, PNAS 115 (2018) 12680-12685.

[7] M. Chinazzi, J. T. Davis, M. Ajelli, et al., The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak, Science (in press).