分析技術は、2019-nCoVの潜在的な感染を追跡し予測するのに役立っています。

[[314175]]

2019-nCoVの最も危険な特徴は人から人へと感染する能力であり、中国では急速に2万人以上が感染した。残念なことに、武漢とその周辺地域を隔離するという決定が下される前に、ウイルスに感染した患者はすでに中国のさまざまな省、さらには世界中を旅していました。現在の統計によると、2019-nCoVは世界20カ国に広がり、世界保健機関（WHO）は先週、世界的な公衆衛生上の緊急事態を宣言した。

良いニュースとしては、世界中の公衆衛生機関が、2019-nCoVがどこまで広がったか、どのように広がっているかを追跡し、ウイルスが次にどこに向かうかを予測するなど、さまざまなデータ分析ツールを使用して流行に対応し始めていることです。

分析ソフトウェア開発会社SASの生物統計学者テレサ・ド氏は、公衆衛生機関は現在、幅広いツールを利用できるだけでなく、これまで想像もできなかった規模のデータも保有していると語った。

「現在、当社はさまざまなデータ ソースを保有しており、データの転送速度を上げるために、これらのポイント データ ソースを可能な限り活用しています」と Do 氏は述べています。

確かに、2019-nCoV やその他の病気の新規症例を記録するための初期手順は変更されておらず、手動でしか実行できません。調査員は現場や病棟に入り、紙とペンで情報を記録し、自身の安全を守るためにマスクと手袋を着用する必要がある。

しかし、2019-nCoV のような新しい病気がタイムリーに報告されると、関連データは急速に拡大し、技術者が SAS やソフトウェア ベンダーの他の製品など、利用可能な他のリソースを使用して分析することになります。米国防総省の世界的な健康監視プログラムに参加した経験のあるドゥ氏は、このリンクでは技術者が症例報告やフライトリストなどさまざまな種類のデータを統合し、病気が実際にどのように広がっているのかをより深く理解することが多いと説明した。

「分析的な答えをより早く得て、それに基づいて予測モデルを構築し、シナリオ分析を実行して、病気がどこで広がる可能性があるのか​​、そしてどのような影響があるのか​​を合理的に推測できるようになりました」と彼女はインタビューで語った。

さらに、地理情報システム（SIS）は、2019-nCoVなどのウイルスの拡散をさまざまな空間的および時間的期間で効果的に追跡することもできます。ジョンズ・ホプキンス大学のシステム科学工学センター (CSSE) は、世界中で記録されたすべての 2019-nCoV 症例を表示する Esri ArcGIS ベースのリアルタイム GIS ダッシュボードを運用しています。このような監視の下では、各国の疾病予防管理センター（CDC）、世界保健機関、さらには世界保健監視センターの意思決定者が関連データを効果的に活用し、状況をより正確に評価できるようになると私は信じています。

もちろん、最前線での報道に加えて、ソーシャルメディアやさまざまなニュースウェブサイトのマイニングなど、他の方法を使用して病気の動向を推測することもできます。 www.healthmap.org を例に挙げてみましょう。この Web サイトは、さまざまなオンライン プラットフォームで言及されている世界的な公衆衛生イベントに関連するコンテンツを継続的に追跡しています。 healthmap.comというウェブサイトを運営する計算疫学者のジョン・ブラウンスタイン氏は、現在入手可能なデータの量は歴史上のどの時代よりもはるかに多いと指摘している。

「SARSの時期には、中国から発信される豊富な情報にアクセスできなかった」とブラウンスタイン氏はインタビューで語った。「現在はニュースやソーシャルメディアを精査し、詳細なリアルタイムデータを入手している」

新たな感染例が確認されると、公衆衛生機関はすぐに連絡を取り、その動きを追跡し、誰と接触した可能性があるかを判断します。これは困難で時間のかかる作業ですが、現代のテクノロジーの介入により、実装のハードルは大幅に下がりました。

フロスト・アンド・サリバン社のモノのインターネット担当グローバルリサーチディレクター、ディリップ・サランガン氏は、顔認識技術を使って「ウイルス検出センサーのネットワーク」を使い、「新型コロナウイルスに感染している可能性のある人々を見つけ、追跡し、監視する」ことが可能になるはずだと予測した。

このようなシステムでは、感染した患者が接触したすべての個人を追跡することも可能になる。サランガン氏は、「このような遍在的な監視は警察国家に住んでいるような気分にさせると多くの人が感じるかもしれないが、最終的には、IoTとAIの組み合わせが、世界中で感染力の強い病気が急速に広がるのを防ぐ最善の方法かもしれない」と指摘した。

SARSの発生後、最前線で活躍する医師のカムラン・カーン氏は、感染症の蔓延に関するさまざまな公開情報を自動的に収集し分析するシステムの構築に着手しました。カーン氏は現在、トロント大学で医学と公衆衛生の教授を務めている。同氏が当初構想していた感染症監視システムは現在現実のものとなり、BlueDot を通じて一般に正式に販売されている。

現在、BlueDot は、ジカ熱、西ナイル熱、おたふく風邪、ラッサ熱、その他の伝統的な伝染病を含む、世界中で 100 を超える病気の蔓延を追跡しています。このプラットフォームは、10,000以上の公式およびマスメディアソースから65の言語で公開データを自動的に抽出し、自然言語処理（NLP）と機械学習技術を使用してテキスト情報を処理し、すべての資料を簡潔で直感的な要約結論にまとめることができます。カーン氏はインタビューで、「従来の方法で手作業で処理すると、この作業には少なくとも数百人規模の大規模なチームが必要になる」と語った。

その他の二次指標も伝染病の発生を検出するのに役立ちます。 SAS の Do 氏は、Google Flu Trends は期待に応えられなかったものの、ソーシャル メディアやその他の個人情報ソースから病気の兆候を特定できるようになったと指摘した。例えば、スマートウォッチなどのコネクテッドデバイスを通じて人間の体温の集団的な上昇や、Netflixシリーズの視聴者数の急増を検知することで、各地の流行状況の変化をある程度把握することができます。

ドゥ氏は、「ウイルスの発生や、まだ発生していない他の状況を予測するために使用できる他の指標が出現する可能性がある」と説明した。もちろん、データ分析側は、データのプライバシーが侵害されないことを聴衆に保証する必要がある。彼女は、プライバシーの懸念に対処できれば、採掘できる膨大な量のデータは公共の安全を大きく向上させる可能性があると付け加えた。 「テクノロジーは存在する。あとはそれをどう使うかだけだ。」

この事件から判断すると、2019-nCoVの次の感染地点を予測することは非常に重要であり、政府の意思決定者が限られたリソースをより効率的に配分するのに役立ちます。同時に、これは、2019-nCoV患者の急増に迅速に対応するために、医師や看護師への供給量を事前に増やすこと、さらには、現在世界中で売り切れとなっているN95マスクなどの防護具の十分な供給を確保するためにサプライチェーンを調整することも意味します。

ドゥ氏は、2019-nCoVのような流行に備える際には、二次的影響の作用メカニズムを十分に考慮することが最も重要だと指摘した。彼女は「中国では数万人が急速に感染し、既存の医療システムがパンクしている。この新型ウイルスで亡くなった患者に加え、こうした症例が占める大量の医療資源が、他の患者の診断や治療のスペースを圧迫する恐れもある。結局、病院が満杯になれば、病人には選択の余地がない」と指摘した。