【特稿】以流動人口反推感染新冠人數

◆ 張清鵬對武漢封城後的感染情況研判。 受訪者供圖
◆ 張清鵬對武漢封城後的感染情況研判。 受訪者供圖

  張清鵬主要研究精準醫療,通過開發人工智能模型對病人的病情和診斷做精準建模。而他的另一個研究領域是數據科學的傳染病建模方法,利用人口流動和社交行為構建複雜網絡模型,對傳染病散播進行研判和防控的優化。在2020年內地新冠疫情爆發初期,他聯同中科院自動化研究所參與了國家自然科學基金抗疫專項項目「重大傳染病疫情傳播的時空計量建模與風險預測」,為首個以流動人口來反推武漢感染人數的專家組。截至去年底為止,團隊共提交了超過40份內部報告及超過120份日報、周報和月報予決策者參考,為國家抗疫決策作出重要貢獻。

  張清鵬指出,新冠疫情甫開始時,很多人是無症狀或輕症狀感染,並沒有意識到自己染疫。當疫情初爆發,醫療資源出現嚴重不足,以致剛開始理解病毒傳播情況時,數據會出現偏差,例如只是以已入院的重症病人數據作出分析,會嚴重低估病毒的傳染性。

  當時,他分析了內地多個省市的隔離檢測數據,並根據中科院地理科學與資源研究所提供的人口流動數據,推斷出武漢在封城前的感染人口約1.7萬,其中有7,000人在封城前已離開武漢,餘下1萬人在封城的情況下,最終可能會傳染約3萬至4萬人。

  「我們是第一個以流動人口來反推武漢感染人數的專家組,為中央及地方的防疫決策作出實際貢獻。雖然當時部分人質疑有關推算或有誇大,但後來多項研究證實我們的數據是準確的。」張清鵬說。

  提捐贈疫苗免疫情反彈

  身為數據科學家,張清鵬認為,透過對各種新型和大量數據以新的分析方式研究,可以對大型傳染病的防控作出實際幫助。今年2月底,他領導的團隊發表研究,以全球角度檢視新冠疫苗分配情況,團隊透過數學模型,將流行病學模型與真實的全球航空交通數據結合,提出若高收入國家以及能大量生產疫苗的中國和俄羅斯,可以在本國疫情平穩後將捐贈予中低收入國家的疫苗比例提高至46%,不但可降低後者確診和死亡率及病毒變種機會,更能「助人自助」保障自身免受疫情反彈衝擊,更有望讓全球疫情得以終結。◆ 香港文匯報記者 鍾健文