中央省庁及び都道府県の機関や関連団体などの事務従事者を対象に、執務上の参考に供するための各種情報を正確・確実・迅速にお届けしています。
東京大学ニューロインテリジェンス国際研究機構・副機構長の合原一幸特別教授／名誉教授らの研究チームは、新型コロナウィルス感染症（ＣＯＶＩＤ‐19）の感染者数の急増を、実際に急増する前の予兆の段階で、観測された感染者数の時系列データから検知する数理データ解析手法を構築し、日本、アメリカ、ヨーロッパ、中国、韓国などの実データを用いて、予兆が検知できることを実証した。
また、わが国の過去のインフルエンザ流行に関するデータに関しても、感染者数の急増の予兆が検出できることを示した。感染症流行の発生前に流行の予兆となる早期警戒信号を検知することが可能となるため、実際に流行が発生する前の早期に、諸対策を計画して先制的に実行できる可能性が拓かれたことになる。
新型コロナウィルス感染症は、首都圏の１都３県や周辺県にみられるように、ある地域でほぼ同時期に流行が拡大したり縮小したりする傾向がみられる。このような感染症の流行現象は、個々の都や県での感染者数の増減と人流によるそれらの相互作用によって、もたらされることが想定される。
そこで、例えば首都圏の場合、１都３県さらには周辺諸県それぞれをノードとする地理的ネットワークとして感染者数の増減を分析することが重要となる。特に、感染者数の急増は、「実効再生産数が1より小さい」流行が抑えられている状態から「1より大きい」流行拡大状態への状態遷移現象として理解できるため、ＤＮＢ理論をこのような地理的ネットワークに適用することにより、流行の予兆を知らせる早期警戒信号の検知が可能となることが期待できる。
ＤＮＢ理論は、発病を、健康状態から疾病状態の状態遷移ととらえて、発病前にその予兆を未病状態で早期に検知するために合原一幸東京大学特別教授／名誉教授、陳洛南中国科学院教授らによって提案された理論。マウスモデルのメタボリックシンドロームやヒトのインフルエンザなどにおける遺伝子発現量のビッグデータ解析でその有効性が確認されている。
研究チームの論文では、この予兆の検知のために、ＤＮＢ理論を拡張した地形ネットワークエントピーに基づく数理データ解析手法を開発。この解析手法により、感染者数が急増する流行状態への状態遷移を、実際に状態遷移が起きる前の予兆としての早期警戒信号をとらえることで、事前に検知できる可能性が示された。
流行の予兆段階で検知
同論文で提案した地形ネットワークエントロピーを用いた数理データ解析手法を、日本の関東地方、中国の湖北省、西ヨーロッパ、アメリカの17州、韓国、イタリア本土などの過去の実際のデータに適用して、流行の大きな波が来る前に予兆の段階で検出できることを明らかにした。
例えば、１都３県を含む関東周辺における感染者数急増の予兆である早期警戒信号が
検出された日は、第１波は昨年３月２２日、第２波は６月９日、第３波は１０月３１日だった。
研究チームでは、「この手法により、感染者数が急増する流行の大きな波の予兆を早期警戒信号として検知することで、流行が実際に発生する前に諸対策を計画し先制的に実行できる可能性が拓かれたことは、新型コロナウィルス感染症対策を考える上で重要な成果になり得る」としている。
Copyright 株式会社官庁通信社 All Rights Reserved.
