本文發表於《大眾科學》的前部落格網路，反映作者的觀點，不一定反映《大眾科學》的觀點
在我們應對 COVID-19 災難時，我們需要記住，在一個全球人口不斷增加、移民、氣候變化和全球旅行急劇增加的世界中，此類事件很可能更頻繁地發生。我們需要考慮我們準備花費多少社會資源來預防未來的大流行，並確定最有價值的遏制策略進行投資。歷史上經常發生傳染病的災難性爆發。傳染病從動物向人類的傳播是無法阻止的。
但是傳播是可以阻止的。預防大流行的最佳方法是應用我們用來預防災難性森林火災的相同原則：積極巡查較小的灌木叢火災，並立即將其撲滅。我們現在需要投資於一個綜合的監測架構，旨在在早期階段識別新的爆發，並迅速啟動有針對性的遏制措施。
目前，我們在這方面做得還不夠好。首先，現代分子診斷技術只能檢測我們已經知道存在的那些傳染性病原體；當遇到新型病原體時，它們會顯示空白。由新的或意外的病原體引起的感染只有在出現太多無法解釋的感染而無法忽視時才會被發現，這會觸發醫院將樣本傳送到具有更復雜能力的公共衛生實驗室。即使最終確定了以前未知的傳染性病原體，開發、驗證和分發新病原體的測試也需要太長時間。到那時，控制新出現的感染的時間視窗很可能已經過去。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保關於塑造我們當今世界的發現和想法的具有影響力的故事的未來。
但是，有一種策略可以在一年內以合理的成本實施。它將使社會能夠在新興傳染病達到大流行階段之前阻止其傳播。該概念結合了即時公共衛生監測、下一代測序技術以及現代網路通訊和接觸者追蹤。
今天，當世界各地複雜的公共衛生機構調查不明疾病爆發的臨床樣本時，他們會進行宏基因組分析，將患者樣本與數千種已知傳染性病原體的基因組序列資料庫進行比較。它可以識別常規和意外的傳染性病原體，即使以前從未見過該病原體。
擬議的用於大流行保護的監測架構。圖片來源：Tracy Reigle
對 COVID-19 樣本進行的此類分析表明，致病病原體是一種類似於以前已知的蝙蝠冠狀病毒的病毒。但是，在此處提出的新監測架構中，對出現嚴重臨床症狀的患者進行的宏基因組分析將在醫院實驗室中預先進行，並與常規診斷測試並行。儘管目前關於使用宏基因組測序進行初步診斷存在利弊，但擬議的架構可以首先作為與傳統診斷並行執行的監測系統實施，如果需要，以後可以作為主要診斷工具。
大型城市醫院急診室是首先實施此監測架構的最具戰略價值的地點，因為這些機構捕獲了可能因與公共衛生相關的感染而患病的患者人群的代表性部分。考慮到國家流行病學資料（關於感染率；有症狀的人在哪裡尋求醫療保健；以及診斷測試的訂購頻率），只需要極少數的監測點即可識別新興病原體的爆發。
在美國人口超過一百萬的都市區，需要一個由大約 200 家監測醫院組成的網路來覆蓋該國 30% 的急診室就診量。蒙特卡洛模型表明，如果只有七名有症狀的患者在此係統中尋求醫療保健，則識別出新出現的傳染病爆發的可能性為 95%。使用宏基因組測序，可以在數小時內識別出新的致病病原體，並且該網路將立即將多個地點出現的患者連線起來，作為同一事件的一部分，從而提供事件的範圍和規模的態勢感知。
一個實際的例子是華盛頓特區都會區，這裡居住著大約 600 萬人。根據國家醫療保健統計資料，大約 0.25% 的美國人口每天因感染性疾病而尋求醫療保健。儘管只有 20% 的患者會去醫院急診室尋求醫療服務，但可以合理地預期，大多數先去醫生辦公室或緊急護理中心的重病患者最終會被送往急診室。健康統計資料顯示，在每個大型醫院急診室，醫生會對大約 16% 的被診斷出患有傳染病程式碼的患者訂購傳染病實驗室（呼吸道或血液）測試。
因此，在華盛頓模型中，每天約有 900 名患者到急診室就診，採用監測架構，其中約有 150 人將接受傳染病檢測。當分佈在華盛頓特區的五個醫院實驗室時，這只是一個可以輕鬆管理的每日宏基因組測試數量。
在發現新的爆發後，管理它的關鍵是能夠回答四個問題
有多少人被感染？
他們位於哪裡？
感染是什麼時候感染的？
這些患者與誰有過接觸？
用於回答這些問題的計算基礎設施很容易開發，因為它基於現有技術和統計方法。這些方法使我們能夠根據就診患者的數量來估計爆發的規模。透過對潛伏期進行合理的假設反向推算，也可以估算出與傳染性病原體初始接觸的時間。如果將此資訊與患者自願從其手機提供的精確地理位置資料相結合，我們可以建立一個患者所在位置的地圖，隨著每個新病例的增加而即時更新。患者在估計感染時間的地點重疊可以幫助識別地點和來源。這些資料還可以識別其他有感染風險的人。
那麼，與目前的系統相比，採用擬議的監測架構可能會節省多少時間？我們目前用來識別因公共衛生或安全問題病原體而生病的患者的方法基於“精明的醫生”模型。也就是說，我們依靠醫生的臨床判斷來識別可疑感染，並將樣本傳送到公共衛生實驗室。問題在於，很容易錯過不尋常的事件，因為許多不同感染的症狀非常相似（想想“類似流感”這個詞）。
我詢問了我在急診醫學和公共衛生領域的一些同事，他們認為識別出一種新型的、潛在危險的感染需要多長時間。答案差異很大，從幾天到幾周不等。大家一致認為，答案高度依賴於傳染性病原體；醫生的技能和經驗；以及公共衛生實驗室的鄰近性和專業知識。
在一項基於 2001 年炭疽攻擊的實際病例報告的已發表研究中，在審查了病例報告的來自民用和軍方醫院的 164 名醫生中，只有 6 人懷疑是炭疽。因此，即使是專家，對當前系統的效能也知之甚少。但是，大多數人認為，除非感染髮生在大量人群中並導致大量死亡，否則與採用擬議的監測架構的一天相比，該事件可能需要很長時間才能識別出來。當然，在幾何級數增長的感染情況下，早期對於遏制最為重要。
這裡提出的策略不需要新的科學，並且實施和維護成本非常低。在美國 200 家城市醫院建立和執行監測架構的成本將遠低於 10 億美元，並且可以在一年內完成。與目前 COVID-19 災難的成本相比，這個成本微不足道。《關懷法案》一項就花費了我們國家超過 2 萬億美元。與其他災難性事件（如傳統戰爭或核戰爭）的準備工作支出相比，它也微不足道。很快就會有許多呼籲增加對公共衛生基礎設施的投資。我認為我們應該首先確定 21 世紀的公共衛生基礎設施應該是什麼樣子，並使用最好的可用技術按適當規模構建一個偉大的基礎設施。