Новая сетевая модель может быть использована для формирования эффективных стратегий по ограничению инфекционных заболеваний

  Исследователи из Токийского столичного университета провели цифровое моделирование, основанное на теории сетей, которое показало, как меняется заболеваемость при появлении нового штамма инфекции. Они обнаружили нелинейную зависимость между тем, насколько заразен новый тип по сравнению с существующим, что не наблюдалось в предыдущих работах. Их модель может быть применима для понимания реальных пандемий, таких как COVID-19, и для обоснования мер по контролю.

  С тех пор как COVID-19 начал распространяться в конце 2019 года,  он оказывает разрушительное воздействие на жизнь людей. Поскольку появляющиеся друг за другом новые штаммы продолжают наносить большой ущерб по всему миру, ученые ищут способы понять то, как заболевание распространяется. В частности, существует вопрос о том, как новые штаммы появляются, распространяются и в конечном итоге вытесняют существующий штамм. Понимание динамики штаммов в популяции жизненно важно для контроля их распространения.

  Классическим шаблоном для моделирования динамики пандемии является SIR модель (Susceptible — Infected — Recovered), рассматривающая количество восприимчивых, инфицированных и выздоровевших членов популяции. Эти показатели связываются между собой уравнениями и высчитываются, что отображает множество характерных особенностей распространения заболевания: сначала пандемия распространяется быстро, а затем замедляется по мере уменьшения числа восприимчивых и выздоровления большего количества пациентов.

  Однако модель не может учесть сильные различия между членами популяции, т.е. один инфицированный может с разной вероятностью заразить всех остальных, а количество контактов, которые имеют люди, может сильно варьироваться от одного человека к другому. Любая модель, которая пытается отразить динамику пандемии и понять, где и как она распространяется, должна использовать более сложную структуру.

  Именно поэтому почетный профессор Ютака Окабе и профессор Акира Шудо из Токийского столичного университета обратились к теории сетей — математической структуре, способной отразить, как различные члены популяции связываются с другими. Используя различные типы сетей, они смогли создать более реалистичную модель распространения инфекционного заболевания. Ключевые особенности включают динамические поглощающие состояния — состояния, в которых сеть может «застрять» со временем, например, состояние, в котором нет инфицированных людей. В ситуации, когда есть несколько инфекций и низкая заразность, сеть может вернуться в состояние без инфекций.

  Команда провела цифровое моделирование детальной модели в сети; в середине моделирования инфекционного заболевания они добавили штамм, который является более заразным, чем исходный. Взглянув на цифры, команда обнаружила, что штамм с такими же инфекционными свойствами, как у существующего варианта заболевания, фактически вообще не мог распространяться. Это прямой результат нелинейного характера моделирования, поскольку сеть возвращается к поглощающему состоянию без инфекций. По мере укрепления инфекционных свойств нового варианта, популяция становится более склонной к заражению этим штаммом по сравнению с существующим, что увеличивает скорость распространения нового штамма за счет старого. Нелинейный характер того, как число заражений увеличивается с улучшением инфекционности штамма, является результатом детального характера сетевой модели, дающей более подробную, специфическую картину, чем раньше.

  Команда надеется, что их модель может быть использована для создания эффективных стратегий для сдерживания инфекционных заболеваний при учете значительной связности сети и понимании того, как изоляция некоторых инфекций повлияет на все инфекции в целом. Поскольку пандемия COVID-19 продолжает бушевать, фундаментальные исследования того, как заболевания распространяются, являются жизненно важным элементом в принятии обоснованных решений, направленных на возвращение общества к нормальной жизни.