我们最近与陈·扎克伯格生物中心（Chan Zuckerberg Biohub，简称CZB）的数据科学家李露西博士进行了一次对话，探讨她最新的研究，旨在估算未报告的COVID-19病例数。该研究得到了AWS诊断开发倡议的支持，这是一个全球性项目，旨在支持那些致力于更快将更好、更准确的诊断解决方案推向市场的组织。
陈·扎克伯格生物中心的数据科学家李露西博士
请向我们介绍陈·扎克伯格生物中心的使命以及您的角色。
我是陈·扎克伯格生物中心（CZB）的一名数据科学家，我的背景是传染病流行病学。CZB是一家非营利研究机构，旨在树立协作科学的标杆——让科学与技术的领导者汇聚一堂，推动发现，并支持在下一个世纪内治愈、预防和管理疾病的宏伟愿景。我们的目标是理解疾病背后的基本机制，并开发能够带来可操作诊断方法和有效疗法的新兴技术。这是一项具有国际影响力的区域性研究举措，旧金山湾区的顶尖机构——加州大学旧金山分校（UCSF）、斯坦福大学和加州大学伯克利分校——与CZB携手合作，以催化影响力，造福全球的人们与合作伙伴。
我是陈·扎克伯格生物中心（CZB）的一名数据科学家，我的背景是传染病流行病学。CZB是一家非营利研究机构，旨在树立协作科学的标杆——让科学与技术的领导者汇聚一堂，推动发现，并支持在下一个世纪内治愈、预防和管理疾病的宏伟愿景。我们的目标是理解疾病背后的基本机制，并开发能够带来可操作诊断方法和有效疗法的新兴技术。这是一项具有国际影响力的区域性研究举措，旧金山湾区的顶尖机构——加州大学旧金山分校（UCSF）、斯坦福大学和加州大学伯克利分校——与CZB携手合作，以催化影响力，造福全球的人们与合作伙伴。
这项研究的实际意义是什么——它如何帮助我们当下？
了解感染人数对于把握疫情规模具有重要意义。尽管确诊病例数非常高，但了解在已报告病例之外新增的感染数量，有助于我们掌握病毒对人口的影响程度。这些数字也有助于评估公共卫生监测系统的效能。
了解感染人数对于把握疫情规模具有重要意义。尽管确诊病例数非常高，但了解在已报告病例之外新增的感染数量，有助于我们掌握病毒对人口的影响程度。这些数字也有助于评估公共卫生监测系统的效能。
要了解检测策略的效果如何，可以观察未被发现感染比例随时间的变化。随着检测和接触者追踪工作的增加，与向卫生系统报告的病例相比，未被发现的感染数量会减少。这些信息对于设计有效的公共卫生应对措施和干预措施也很有价值，因为它能突出显示国家或州内可能需要更多检测资源的地区。
亚马逊云科技（AWS）通过提供积分提供了计算支持，并派出了 AWS Professional Services 团队的专业知识，他们利用 Amazon Elastic Compute Cloud（Amazon EC2）和 AWS Batch 帮助扩展了这项分析。这些资源为 CZB 构建了一个框架，使其未来能够针对其他数据集继续开展此类工作。本质上，我们进行的每项分析耗时较长且计算密集。在我处理的 12 个数据集中，每个都需要测试数千组不同的参数集，并利用这些参数模拟疫情在这些参数下的演变情况，同时与我手头的实际数据进行比较。这一过程可能需要数小时甚至数天。在 AWS Professional Services 团队的支持下，我能够更好地并行化该流程，从而在合理的时间范围内开展工作，并在几天内完成数据分析报告，而不是数月。
您具体是如何使用机器学习的？
为了推断未被发现的感染数量，我使用了一个数学模型来描述冠状病毒如何在人与人之间传播。我利用可用数据对该模型进行了训练——包括来自 12 个地点的病毒基因组数据，以及各地点确诊病例的时间序列数据。该模型的输出是总感染人数，包括确诊病例和未被发现的感染。该模型还帮助我们理解了一些有趣的流行病学参数，例如基本再生数（R0）以及“超级传播”现象在推动此次大流行中所起的作用。
为了推断未被发现的感染数量，我使用了一个数学模型来描述冠状病毒如何在人与人之间传播。我利用可用数据对该模型进行了训练——包括来自 12 个地点的病毒基因组数据，以及各地点确诊病例的时间序列数据。该模型的输出是总感染人数，包括确诊病例和未被发现的感染。该模型还帮助我们理解了一些有趣的流行病学参数，例如基本再生数（R0）以及“超级传播”现象在推动此次大流行中所起的作用。
在 COVID-19 之前，CZB 就已启动了重大传染病倡议。COVID-19 对整个组织的工作产生了怎样的影响？
在过去几个月里，CZB 中从事传染病项目的大多数人已将工作重心转向冠状病毒的检测与研究。此外，Biohub 与 UCSF 以及我们的姊妹机构 Chan Zuckerberg Initiative 合作，开展抗体检测和聚合酶链式反应（PCR）检测——后者用于直接检测抗原的存在。Biohub 因应对此次冠状病毒疫情而开发的实验室和计算方法，不仅将在短期内增进我们对 COVID-19 的理解，而且对更广泛的传染病基础领域也将具有普遍的应用价值。
在过去几个月里，CZB 中从事传染病项目的大多数人已将工作重心转向冠状病毒的检测与研究。此外，Biohub 与 UCSF 以及我们的姊妹机构 Chan Zuckerberg Initiative 合作，开展抗体检测和聚合酶链式反应（PCR）检测——后者用于直接检测抗原的存在。Biohub 因应对此次冠状病毒疫情而开发的实验室和计算方法，不仅将在短期内增进我们对 COVID-19 的理解，而且对更广泛的传染病基础领域也将具有普遍的应用价值。
您是否有任何计划基于这项研究进一步开展工作？
我非常有兴趣对美国不同州和县继续开展此类分析，并定期重复进行。自从我开始进行分析以来，网上已上传了更多病毒基因组数据。因此，我认为本月进行的分析将比我在近期论文中报告的数据提供更精确的感染人数估算。Biohub 正致力于在未来几周和几个月内在加州开展更多的病毒测序工作。最终目标是使这些结果可供地方公共卫生部门使用，以便在无法进行全人群检测时，他们仍有另一项指标来追踪感染人数。
我非常有兴趣对美国不同州和县继续开展此类分析，并定期重复进行。自从我开始进行分析以来，网上已上传了更多病毒基因组数据。因此，我认为本月进行的分析将比我在近期论文中报告的数据提供更精确的感染人数估算。Biohub 正致力于在未来几周和几个月内在加州开展更多的病毒测序工作。最终目标是使这些结果可供地方公共卫生部门使用，以便在无法进行全人群检测时，他们仍有另一项指标来追踪感染人数。
关于您的研究，还有什么其他值得强调的内容吗？
一个有趣的结果是——我们量化了传播力变异的程度。您可能听说过“基本再生数”（reproductive number）的概念——它描述每个感染者平均会导致多少新增感染。但这个数字只是一个平均值，并不能充分反映个体再生数的变异情况。通过这种基于基因组的分析方法，我能够量化这种变异性。在研究中，我估计约 80% 的感染是由最具传染性的前 30% 的人造成的。这一比例在其他传染病的研究中也曾被估算过，其水平与大流行性流感相当，但不像 2003 年 SARS 疫情那样极端。在 2003 年的 SARS 疫情中，许多疫情爆发是由个别个体的极端“超级传播”事件引起的，一个人导致数百人感染。在此次冠状病毒疫情中，虽然仍存在超级传播事件，但它们似乎并未在推动大流行方面发挥同样重要的作用。因此，尽管仍存在个体层面的超级传播者，但对于当前这场冠状病毒大流行而言，可能更重要的是大量人群在近距离聚集所引发的超级传播事件的作用。
一个有趣的结果是——我们量化了传播力变异的程度。您可能听说过“基本再生数”（reproductive number）的概念——它描述每个感染者平均会导致多少新增感染。但这个数字只是一个平均值，并不能充分反映个体再生数的变异情况。通过这种基于基因组的分析方法，我能够量化这种变异性。在研究中，我估计约 80% 的感染是由最具传染性的前 30% 的人造成的。这一比例在其他传染病的研究中也曾被估算过，其水平与大流行性流感相当，但不像 2003 年 SARS 疫情那样极端。在 2003 年的 SARS 疫情中，许多疫情爆发是由个别个体的极端“超级传播”事件引起的，一个人导致数百人感染。在此次冠状病毒疫情中，虽然仍存在超级传播事件，但它们似乎并未在推动大流行方面发挥同样重要的作用。因此，尽管仍存在个体层面的超级传播者，但对于当前这场冠状病毒大流行而言，可能更重要的是大量人群在近距离聚集所引发的超级传播事件的作用。