Карты вирусной угрозы

Ежегодно, во время городских Дней науки, мэрия Новосибирска награждает премиями за достижения в сфере науки и инноваций молодых ученых и инноваторов. Подробнее о некоторых лауреатах этого года – в нашем небольшом цикле интервью. А открывает его беседа с научным сотрудником Института вычислительной математики и математической геофизики СО РАН Ольгой Криворотько. Премией была отмечена ее работа по разработке карты прогноза распространения социально-значимых заболеваний в городе Новосибирске.

– Ваша модель привязана именно к Новосибирску, или это более универсальный инструмент, который можно применять и к другим российским городам?

– Сама методика основана на решении математических задач и, соответственно, привязана к тем данным, которые изначально были предоставлены. И поскольку такие данные можно получать по любому региону, то она, в принципе, универсальна. Мы делали такую работу и для Новосибирска, и для Москвы, и для Свердловской области.

– Методика работает по разным типам заболеваний?

– И в этом отношении она тоже довольно универсальна. Изначально мы строили модели по таким возбудителям как ВИЧ и вирусы гепатита. Но наша модель вполне успешно может прогнозировать, к примеру, и распространение коронавируса COVID-19. Понятно, что модель по каждому заболеванию требует существенной подстройки, с учетом контагиозности патогена, способов заражения и ряда других существенных параметров. Но это уже, как говорится, дело техники.

– То есть Вашу модель можно применять и для прогнозов развития ежегодной волны гриппа?

– С гриппом главная проблема в том, что сложно получить объективные данные в нужном объеме. Люди привыкли к этому заболеванию, к тому, что оно носит сезонный характер и не все обращаются к врачу. Опять же не всем обратившимся диагностируют грипп, иногда ставят довольно размытый диагноз – ОРВИ. Мало где в медицинской системе занимаются сбором и накоплением статистики по ОРВИ, по крайней мере, так было до этого года. И в результате, мы не располагаем ни реальным количеством зараженных в регионе, ни динамикой заражения, что необходимо для получения адекватного прогноза. Поэтому мы и работали изначально с более социально-значимыми инфекциями – ВИЧ, туберкулезом и гепатитом, где есть более точные цифры.

– Насколько полученные Вами с помощью этой модели прогнозы оправдались?

– В рамках своего исследования мы делали прогнозы 2014 – 2016 годам для Москвы, Новосибирской и Свердловской областей, а потом сверяли их с реальными данными. Совпадение было достаточно хорошим, разница в годовых показателях не превышала сто человек, что позволяет говорить о работоспособности модели. Конечно, если не появится неучитываемый фактор.

– Например?

– Например, если на рынок выйдет новый эффективный препарат от ВИЧ или гепатита, который мы не могли предусмотреть в момент составления прогноза, то, понятно, что реальная ситуация будет отличаться. Или обратный пример – произойдет резкое снижение уровня жизни людей на территории, которое также нельзя было предсказать. А эти болезни потому и называют социально-значимыми, что они тесно связаны с социальной атмосферой.

В частности, в этой работе мы брали социально-экономическую ситуацию в указанных регионах, которая была стабильной на протяжении ряда последних лет. Теперь же понимаем, что надо рассматривать варианты с разными сценариями ее изменения.

– Но такие непредсказуемые события происходят довольно часто, каково решение этой проблемы?

– На самом деле, все решается относительно просто – мы вводим в модель новые данные и получаем новый прогноз, который их учитывает. В этом и есть преимущество математического аппарата моделирования. В частности, таким образом можно не просто делать прогнозы, исходя из текущей обстановки, но и проверять работоспособность разных стратегий по борьбе с этими заболеваниями. Если руководство региона поставит задачу добиться снижения уровня заболеваемости в год на какое-то количество процентов, то с помощью модели можно подобрать меры по выполнению этой задачи. Ну а дальше уже встают административные задачи – найти ресурсы и обеспечить реализацию этих мер.

– Медики уже проявляли интерес к Вашей работе

– Мы сотрудничаем с московским противотуберкулезным центром, получаем от них данные, у нас есть совместные публикации. И в последней статье показано, что они использовали нашу модель для корректировки факторов, определяющих распространение этого заболевания. Дело в том, что стандартный список таких факторов был составлен еще в СССР, но за это время и возбудитель заболевания мутировал, и среда нашего обитания заметно изменилась. Модель показала, как эти изменения отразились на карте распространения заболевания, в каких районах уровень выше среднего, что затем было подтверждено практическими наблюдениями. И теперь врачи противотуберкулезного центра строят свою работу с учетом этих изменений, уделяя больше внимания именно этим неблагополучным районам.

– А в Новосибирске какой-то интерес со стороны власти был?

– Здесь интерес был в основном со стороны академических структур – наши коллеги из математических институтов Академгородка и сотрудники «Вектора».

– Вы делали на основе Вашей модели прогнозы на будущие года?

– Когда мы составляли этот прогноз в мире еще не было пандемии коронавируса и он не учитывает ее последствия, а они могут существенно поменять картину. Без ее учета в нашей области ожидалось небольшое снижение по ВИЧ, туберкулезу и гепатиту. Но в рамках текущей ситуации, на фоне роста безработицы и других негативных факторов, конечно, ситуация будет меняться.

– Ваши ближайшие планы в этом направлении?

– Мы продолжаем расширять нашу модель, включаем в нее дополнительные социально-экономические факторы, плюс, хотим поработать с другими заболеваниями. Также мы сейчас создаем веб-сервис, на котором можно было бы строить прогнозные карты по разным регионам и заболеваниям, в зависимости от поступающих данных. Думаем, так мы сможем познакомить с нашей работой не только математиков, но и более широкую аудиторию.

Сергей Исаев