Научно-технологическое развитие Российской Федерации

«Дни вирусологии — 2020»: Научный центр мирового уровня «Передовые цифровые технологии» выступил соорганизатором секции «Математическое моделирование и прогнозирование распространения коронавирусной инфекции COVID-19»

«Дни вирусологии — 2020»: Научный центр мирового уровня «Передовые цифровые технологии» выступил соорганизатором секции «Математическое моделирование и прогнозирование распространения коронавирусной инфекции COVID-19»

6–7 октября 2020 года в Санкт-Петербурге в онлайн-формате в режиме реального времени проходил Международный форум «Дни вирусологии (Virology Days) — 2020».

Форум стал площадкой для всестороннего обсуждения вопросов совершенствования вакцинопрофилактики и систем диагностики гриппа и острых респираторных вирусных инфекций, разработки более широкого спектра противовирусных препаратов. В рамках форума прошла онлайн-выставка иммунобиологических и фармацевтических препаратов, а также средств диагностики респираторных вирусных инфекций.

Организаторы форума: Министерство здравоохранения Российской Федерации, Научно-исследовательский институт гриппа имени А.А. Смородинцева, Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова, Институт биомедицинских систем и биотехнологий Санкт-Петербургского политехнического университета Петра Великого, Комитет по здравоохранению Санкт-Петербурга, Комитет по науке и высшей школе Санкт-Петербурга, Санкт-Петербургская общественная организация «Человек и его здоровье».

«Сегодня доказана роль вирусов в развитии онкологических заболеваний, обсуждается значение вирусов в развитии соматической патологии. Таким образом, исследования в области вирусологии имеет высокую актуальность и несомненное прикладное значение. Немаловажно отметить, что российские вирусологи вносят важнейший вклад в общее дело борьбы с инфекционными заболеваниями, продолжая славные традиции, заложенные выдающимися исследователями и учеными нашей страны. Вирусы постоянно бросают вызов современному обществу, и для успешной борьбы с ними необходимы консолидированные усилия всех стран и специалистов различного профиля», — поприветствовал участников форума исполняющий обязанности директора ФГБУ «НИИ гриппа им. А.А. Смородинцева» Минздрава России Дмитрий Лиознов.

7 октября впервые в рамках Форума была организована секция «Математическое моделирование и прогнозирование распространения коронавирусной инфекции COVID-19».

Секция была организована в рамках совместной деятельности участников консорциума Научного центра мирового уровня «Передовые цифровые технологии» — СПбПУ и НИИ гриппа им. А.А. Смородинцева.

Председатель секции: Алексей Боровков — профессор, проректор по перспективным проектам, руководитель Центра НТИ «Новые производственные технологии и Научного центра мирового уровня «Передовые цифровые технологии» СПбПУ.

Модератор секции: Эдвард Гольдштейн — эпидемиолог, Phd, Гарвардская школа общественного здравоохранения, Бостон, США.

В рамках мероприятия участники — представители ведущих научных и исследовательских организаций — рассказали об опыте моделирования и прогнозирования распространения коронавирусной инфекции COVID-19.

Эдвард Гольдштейн выступил с открывающим секцию докладом «Влияние возраста, погоды и других факторов на распространение новой коронавирусной инфекции».

Эксперт рассказал о факторах, влияющих на распространение новой коронавирусной инфекции. Среди основных Эдвард Гольдштейн выделил тестирование, которое важно при выявлении случаев заболевания. Он отметил, что в Санкт-Петербурге самый низкий уровень выявляемости заболевания. Еще одним важным фактором является возраст (восприимчивость к новой коронавирусной инфекции увеличивается с возрастом — касается и взрослых, и детей). Учитывая повышенную восприимчивость к инфекции и контагиозность для людей старше 60-ти лет, следует принимать меры для уменьшения распространения новой коронавирусной инфекции в этой возрастной группе, а именно: активное тестирование / отслеживание контактов / самоизоляция / отдельные часы для покупок в магазинах и др. В завершение выступления Эдвард Гольдштейн отметил необходимость соблюдения превентивных мер, направленных на предупреждение распространения коронавирусной инфекции.

Профессор, проректор по перспективным проектам, руководитель Центра НТИ «Новые производственные технологии и Научного центра мирового уровня «Передовые цифровые технологии» СПбПУ Алексей Боровков представил доклад «Математическое моделирование и прогнозирование распространения коронавирусной инфекции COVID-19».

В первой части выступления Алексей Боровков дал краткую характеристику ситуации в мире, в России и в Санкт-Петербурге, напомнив основные вехи развития пандемии.

Говоря о текущей ситуации, эксперт сравнил еженедельный прирост случаев заболевания COVID-19 в России и в других странах с начала пандемии, после чего рассказал об эпидемиологической ситуации в РФ на 7 октября 2020 года. Лидерами по-прежнему являются Москва (314 788 — общее число заболеваний), Московская область (75 712) и Санкт-Петербург (45 632).

Санкт-Петербург. По статистическим данным Роспотребнадзора, первый пик заболеваемости в Санкт-Петербурге пришелся на 9 июня 2020 года, когда было зафиксировано более 10 619 активных больных (общее число заболевших за вычетом выздоровевших и скончавшихся). Затем наблюдалось снижение этого числа до 4 197 чел. (39,5% от пика) к 4 июля 2020 года.

Последующий монотонный устойчивый рост числа активных больных в июле, августе, сентябре и октябре привел к тому, что по состоянию на 7 октября 2020 года число активных больных в Санкт-Петербурге превысило макимальное число активных больных в сравнении с первым пиком на 14% и составило 12114 человек.

Вторая часть доклада была посвящена описанию математической модели распространения COVID-19. Алексей Иванович подчеркнул, что математическое моделирование и прогнозирование распространения COVID-19 предназначено в первую очередь для оценки необходимых ресурсов системы здравоохранения, введения или снятия тех или иных ограничений, помощи руководству субъектов РФ в части представления обоснованной прогнозной информации как основы для принятия управленческих решений, в части управления социально-экономической системой.

Несмотря на то, что у истоков моделирования стоят математические модели, впервые созданные еще во времена испанского гриппа (более 100 лет назад), современные модели кардинально переработаны и учитывают большое число самых различных факторов: численности восприимчивых, инфицированных, переболевших и выздоровевших индивидов, инкубационный период, интенсивность эффективных контактов, меры по введению и снятию ограничений (социально-экономические показатели), численность индивидов, находящихся на карантине, проведение или отмена массовых мероприятий, сезонные заболевания типа ОРВИ, начало учебного года в университетах и многие другие.

Учитывая огромный опыт математического моделирования на протяжении многих десятилетий в различных научных областях и отраслях высокотехнологичной промышленности, сотрудники Центра НТИ «Новые производственные технологии» и Научного центра мирового уровня «Передовые цифровые технологии» СПбПУ начиная с февраля 2020 года по просьбе заместителя министра здравоохранения Российской Федерации Владимира Викторовича Уйбы (сейчас занимает пост Главы Республики Коми, доктор медицинских наук, ранее 15 лет возглавлял Федеральное медико-биологическое агентство Российской Федерации) занялись вопросами математического моделирования и прогнозирования распространения коронавирусной инфекции COVID-19.

Для решения этих сверхактуальных задач по инициативе и под руководством профессора А.И. Боровкова был сформирован проектный консорциум из сотрудников Центра НТИ СПбПУ, Института биомедицинских систем и биотехнологий СПбПУ и Научно-исследовательского института гриппа имени А.А. Смородинцева.

За прошедшее время удалось значительно усовершенствовать и существенным образом модернизировать традиционные модели и подходы и математическая модель СПбПУ уже в середине марта 2020 года, то есть за два месяца, позволила спрогнозировать даты наступления и амплитуды первых пиков эпидемии в Москве (19.05, 116 460 активных больных) и Санкт-Петербурге (10.09, 10 619 активных больных), а в дальнейшем, уже летом 2020 года, вышла за рамки только эпидемиологической модели, получив развитие в сторону социально-экономической модели.

Для развития математической модели СПбПУ в этом направлении в проектный консорциум были приглашены ведущие сотрудники экономического факультета МГУ имени М.В. Ломоносова, с которым Центр НТИ СПбПУ в 2019 году создал «зеркальные» научно-исследовательские лаборатории, возглавляемые деканом экономического факультета МГУ профессором А.А. Аузаном и руководителем Центра компетенций НТИ профессором А.И. Боровковым и Института народнохозяйственного прогнозирования РАН во главе с директором института, чл.-корр. РАН А.А. Шировым.

В основе математической модели СПбПУ лежит система обыкновенных дифференциальных уравнений, описывающих распространение опасных эпидемий типа SEIR-модели Кермака-Маккендрика, значительно модернизированной и усовершенствованной для:

— проведения математического моделирования (ММ) и динамического прогнозирования развития эпидемиологической ситуации на основе разработанной математической модели и ежедневного выполнения виртуальных испытаний (High Productivity Computing);

— повсеместного применения интервального подхода (Reliable-Validated Scientific Computing) для динамического прогнозирования распространения COVID-19 в условиях неопределённости в исходных данных и параметрах ММ — то есть мы всегда работаем с множеством решений системы дифференциальных уравнения, формируя «оптимистичные», усреднённые и «пессимистичные» варианты развития эпидемиологической ситуации;

для регулярного выполнения

— идентификации параметров (Parameters Identifications) динамических ММ на предшествующих ситуациях распространения эпидемии (например, Китай / Ухань, лайнер «Diamond Princess», Италия / Ломбардия), а также на ситуациях одновременного распространения эпидемии в других регионах — для изучения, исследования и прогнозирования по официальной просьбе глав регионов было выбрано 10 регионов России;

— анализа чувствительности (Sensitivity Analysis) математической модели и получаемых численных результатов к переменным во времени коэффициентам дифференциальных уравнений, что позволяет определить не критические и, главное, критические коэффициенты с последующей «тонкой настройкой» функциональной, кусочно-экспоненциальной, зависимости от времени критических коэффициентов;

— верификации, валидации и калибровки математической модели и численных результатов, в частности, на основе разнообразных датасетов (data set), включая разные варианты официальной статистики (например, данные Роспотребнадзора или данные региональных Министерств / Комитетов по здравоохранению, отражаемых в Федеральном регистре, которые могут значительно отличаться друг от друга) — в итоге формируются и используются «оптимистичные» и «пессимистичные» датасеты, порождающие семейства / множества различающихся прогнозных кривых, которые берут в «вилку» реальную ситуацию и, главное, выступают объективным рефери, который находится над «схваткой разных экспертных мнений», сформированных без какой-либо математической основы.

Принципиально важно отметить, что подобной математической модели СПбПУ, предназначенной для прогнозирования распространения коронавирусной инфекции COVID-19 и предсказательного моделирования с учётом своевременного или запоздалого введения, или не введения тех или иных мер, позволяющей формировать долгосрочный (на несколько месяцев вперёд) прогноз, не смогла предложить ни одна страна в мире. В математической модели СПбПУ представлены и применены многочисленные ноу-хау Центра компетенций НТИ, которые никогда ранее не применялись эпидемиологами (в силу того, что они о них ничего не знают). Основой для применения этих ноу-хау является трансдисциплинарный подход и кросс-отраслевой трансфер наукоёмких мультидисциплинарных технологий, которые интенсивно и успешно развивают в Центре компетенций НТИ на протяжении 25 лет и применяются для решения значительно более сложных и наукоёмких задач.

Например, в мире отсутствуют математические прогнозные модели, описывающие те или иные «волнообразные» процессы распространения COVID-19 в регионах России и в мире, понимая при этом, что, конечно же, речь идёт о разных типах «волн»:

волн, последовательно сменяющих одна другую, и имеющих разные амплитуды;
волн, амплитуда которых «затухает» до нуля (наступление «штиля») и «возрождается» с другой постоянной времени, например, волна может нарастать быстрее или медленнее предыдущей волны;
волн, которые выходят на более высокий уровень и на этом уровне возникает колебательный процесс «единства и борьбы противоположностей» — возникает «рябь» или «зыбь» значительно меньшей амплитуды на другом, зачастую высоком, отсчётом уровне;
волн, накладывающихся одна на другую, и так может происходить многократно;
волн, имеющих разную природу и возникающих вследствие взаимного влияния процессов разной природы и интенсивности, причём, начавшихся в разное время.
Подчеркнем, что в каждом из 10 изучаемых регионов России динамическая ситуация развивается по своему уникальному сценарию, отличающемуся от сценария в другом регионе, что вполне понятно и естественно, а потому делает задачу глобального прогноза сверхсложной, многофакторной и многовариантной, а в некоторых случаях очень чувствительной к региональным особенностям, включающим те или иные преднамеренные / умышленные или не умышленные локальные воздействия на социально-экономическую систему и, конечно, её разнообразную реакцию на эти воздействия.

В подтверждение вышесказанного Алексей Боровков привел в пример результаты вычислительных экспериментов с математической моделью распространения COVID-19 в разных регионах и при разных условиях, в которых эти прогнозы которых были выполнены.

В продолжение выступления Алексея Ивановича и на основе применения и развития модели СПбПУ доклад на тему «Формирование региональной политики по противодействию распространения COVID-19 на основе прогнозных данных» представила доцент, советник декана экономического факультета МГУ имени М.В. Ломоносова по цифровой экономике Елена Тищенко. Эксперт рассказала о результатах вычислительного эксперимента с математической моделью распространения COVID-19 в Республике Коми, учитывая экономические факторы влияния пандемии на регион.

Следующий доклад «Оценка последствий COVID-19 для экономики России» представил член-корреспондент РАН, профессор, директор Института народно-хозяйственного прогнозирования РАН Александр Широв.
«В отличие от большинства известных нам кризисов современности вызванный пандемией кризис не является цикличным — не связан с бизнес-циклом. Это кризис, в котором глубина падения экономики определялалсь решением в области закрытия тех или иных секторов экономики на основе решения правительств различных стран», — пояснил эксперт.
Постфактум-анализ позволяет нас сделать вывод о том, что вариант локдауна, который был выбран, оказался не вполне эффективным, говоря о балансе экономических и социальных факторов. Так, остановка промышленности и строительства оказалась неэффективной мерой, поскольку на предприятиях могут поддерживаться превентивные меры, что не даст резкий скачек заболеваемости.

Александр Александрович на примере разных стран рассказал о влиянии пандемии на темпы роста крупнейших экономик, на динамику производства продукции, на сокращение занятости населения и др.
«Новый карантин будет другим. Он не будет охватывать реальный сектор экономики», — подытожил эксперт.

Заведующая лабораторией «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ Марина Болсуновская и инженер лаборатории «Промышленные системы потоковой обработки данных» Алексей Гинцяк в рамках дальнейшего развития модели СПбПУ представили доклад на тему «Применение ситуационного моделирования распространения COVID-19 в регионах с использованием инструментов системной динамики».

Эксперты рассказали об имитационном моделировании и его применении при моделировании распространения опасных заболеваний. Имитационное моделирование — метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей рееальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. В ситуации с COVID-19 данная модель — наиболее адекватный способ изучения распространения вируса SARS-CoV-2 в условиях отсутствия полной и точной информации о его свойствах. Данная модель позволяет изучать природу вируса и заболевания, а также прогнозировать динамику распространения заболевания. Имитационное моделирование было успешно применено к вычислительному эксперименту с математической моделью распространения COVID-19 в Республике Коми.

С заключительным докладом «Моделирование динамики популяционного иммунитета к гриппу в городах РФ» выступил научный сотрудник национального центра когнитивных разработок, доцент факультета цифровых трансформаций Университета ИТМО Василий Леоненко.

Василий Николаевич рассказал о методике, которая может быть использована для моделирования динамики популяционного иммунитета к новой корнавирусной инфекции, когда будет идти речь о последовательных эпидемиях. Однако проблема накопления иммунитета и искажения прогнозов неминуемо возникнет, и тогда можно будет использовать полученные наработки.

В завершение секции эксперты ответили на вопросы, которые поступали от слушателей из разных городов России в режиме реального времени.
Источник

Подписка на новости и события
Введите ваш email