COVID-19并不是流感。但在這場疫情流行當(dāng)中,仍有不少人抱有期待,希望新冠能跟流感一樣隨天氣變暖而消散。沒錯,在明媚的陽光下?lián)]別病毒,著實讓人向往。
事實上,隨著季節(jié)的變化,大部分傳染病確實會快速消失。以流感為例,其通常會在天氣轉(zhuǎn)冷時爆發(fā);而霍亂等疾病則多在溫暖多雨的夏季冒頭。不過我們還不清楚SARS-CoV-2是否也具有類似的特征。暖春剛到,但科學(xué)家們?nèi)圆桓曳潘删瑁覀冇斜匾龊肧ARS-CoV-2“陪伴”一整年的長期規(guī)劃。
此外,布朗大學(xué)計算流行病學(xué)專家C. Brandon Ogbunu強調(diào),指望季節(jié)變化遏制疫情流行恐怕并不是好主意。
“季節(jié)變化確實可能降低感染率”,但單憑這一項因素恐怕無法徹底解決疫情。他補充道,“如果把醫(yī)療行業(yè)比作賭場中的下注者……那我們絕對不敢把影響全人類日常生活乃至基礎(chǔ)設(shè)施的注碼都押在換季身上。我想要強調(diào)的,也正是這一點。”
為什么疾病傳播會表現(xiàn)出季節(jié)性?
嚴重傳染病在首次與人群接觸時,必然快速造成嚴重破壞。這是因為缺少免疫記憶,社群內(nèi)的人員一定會大面積感染,并產(chǎn)生大批病毒潛在宿主。無論天氣如何變化,病毒都將在接下來的幾個月內(nèi)廣泛存在。
哥倫比亞大學(xué)流行病學(xué)家Micaela Martinez將疫情的早期爆發(fā)比喻成來勢兇猛的森林大火。偶爾的暴雨雖然會稍微減緩火勢,但由于存在眾多隨時會被引燃的樹木,這一點點阻扼不可能徹底解決問題。她指出,“對于疾病的第一波攻勢,季節(jié)性因素并不重要,我們無法指望疫情就此消失。”
但是,隨著當(dāng)前疫情大流行的消退,后續(xù)感染只會在免疫個體比例較低的人群內(nèi)傳播。這類相對溫和的傳播階段往往會體現(xiàn)出季節(jié)性周期,Martinez認為這種特征在傳染病當(dāng)中確實普遍存在。2018年,她曾著手對這種趨勢進行分類,并驚訝地發(fā)現(xiàn)她研究過的近70種傳染病全部表現(xiàn)出一定程度的季節(jié)性增長或下降。
Martinez解釋道,總體而言,各個季節(jié)都擁有獨特的傳染性變化:冬季是肺炎、流感以及其他呼吸系統(tǒng)疾病的高發(fā)期,百花盛開的春天則帶來水痘與皰疹。夏季來臨,萊姆病、小兒麻痹癥與梅毒的傳播速度激增;秋季的代表“病”則是黃熱病。也有一些疾病不挑季節(jié),而只對空氣濕度表現(xiàn)出明確的偏好——特別是在熱帶以及季節(jié)邊界模糊的亞熱帶地區(qū),旱季與雨季成為疾病流行的明確分界線。
要弄清這些模式背后的驅(qū)動因素,無疑是一項復(fù)雜的任務(wù)。首先來看最明顯的影響因素:由細菌、寄生蟲或病毒引發(fā)的感染,必須通過蚊子等昆蟲媒介在宿主之間往來傳播,而這些媒介在自然系列季節(jié)也就決定了疾病的傳播特性。Ogbunu表示,在其他情況下,環(huán)境變化也可能對病原體產(chǎn)生直接影響。某些病毒(包括流感病毒與目前流行的SARS-CoV-2)被打包在一個脆弱的脂質(zhì)外層內(nèi),這種外層被稱為“包膜”,屬于感染過程中的必要條件。但其對惡劣條件非常敏感,高溫以及陽光中的紫外線都有可能導(dǎo)致其失活。另外,濕度越高、在人與人之間傳播病毒的傳染性空氣液滴就會越快沉降,進而限制病原體的活動范圍。
更復(fù)雜的是,我們的身體也會對天氣及氣候變化做出反應(yīng)。馬薩諸塞州總醫(yī)院病毒學(xué)家Laura Yockey解釋稱,對小鼠的研究結(jié)果表明,濕度過低會損害小鼠呼吸道中的黏液并影響關(guān)鍵免疫分子的產(chǎn)生,導(dǎo)致嚙齒類動物更易感染流感病毒。
另外,生物學(xué)特性也不可能存在于簡單的實驗室環(huán)境當(dāng)中。疾病傳播行為也會隨季節(jié)更迭而變化,甚至最終出現(xiàn)遠超病原體典型傳播模式的大爆發(fā)。例如,在秋季返回校園的兒童可能導(dǎo)致水痘的發(fā)病率整體上升。此外,多雨的夏季人們多聚集在室內(nèi)活動,因此流感可能逆“淡季”出現(xiàn)一波蔓延小高潮。
塔夫茨大學(xué)流行病學(xué)家Elena Naumova表示,這些模式非常明顯,“幾乎構(gòu)成了人類追蹤病原體活動的指南。”她指出,“老實說,我相信地球上的生命都在隨季節(jié)而變化,感染自然也會表現(xiàn)出季節(jié)性特性。”
我們現(xiàn)在能做些什么
作為一種帶有脆弱包膜的呼吸道病毒,SARS-CoV-2也具有一些可能與季節(jié)性活動相關(guān)的特征。在接下來的幾年中,如何這種病原體再次侵襲人群,COVID-19病例很可能會在寒冷而干燥的天氣下快速增加,而后在夏季有所下降。不過就目前來看,Naumova認為被動等待病毒消退完全是“胡說八道。”人們對特定病原體的易感性水平才是決定性因素。目前易感人群廣泛存在,任何與氣候或疾病相關(guān)的次要影響因素,都不足以快速平息這場全球性災(zāi)難。
換言之,我們不該把戰(zhàn)勝疫情的希望寄托在氣候變化身上。相反,Naumova認為“我們雖然無法控制天氣,但可以控制天氣變化前的準備工作。”傳染病也是如此。因此,人們應(yīng)當(dāng)以負責(zé)任的方式理解疾病驅(qū)動因素——也就是人類自己的行為習(xí)慣。隨著疫情流行的持續(xù),Ogbunu強調(diào)了持續(xù)降低傳播風(fēng)險的重要意義。保持良好的衛(wèi)生習(xí)慣、避免接觸人群并注意所處環(huán)境仍然至關(guān)重要。這不僅是為了保護我們自己,更是為了保護身邊的他人,最終為整個人類社會的抗疫工作做出貢獻。
Martinez最后總結(jié)道,“傳染病擴展的主要驅(qū)動因素之一在于接觸率。接觸率會對疾病傳播產(chǎn)生巨大影響。流行病因此而出現(xiàn),也將因此而消退。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。