欧洲头条丨为什么中国大规模检测这么惊艳?是勤劳勇敢?不,是科学啊

照亮未来

<h3>英国城市利物浦在11月20日刚结束一场大规模的新冠检测项目,这是英国第一次在一个城市做大规模检测。利物浦是英格兰新冠死亡率最高的地区,每百万人感染率是英格兰平均水平约2倍,所以被选为试点。</h3></br><h3>这个试点项目被看作是全英的希望,要在2021年1月之后在英格兰全境推广。</h3></br><h3> <h3>△英国《卫报》文章 《利物浦的大规模检测项目是英格兰的希望》</h3></br><h3>那么检了多少人呢?</h3></br><h3>原本的目标是在两周内对利物浦全部50万人口进行检测。但两周结束,目标才达成了一半不到,共检测了约20万人,检出来约2000名阳性,600名无症状感染者。</h3></br><h3><strong>那些震惊世界的中国检测</strong></h3></br><h3>中国是最早开展大规模检测的国家之一。还记得5月份武汉在18天测了990万人,日检测能力高时可达100万人份,也就是说一天测的量是利物浦两周的量的5倍。10月份,青岛更是在5天里完成了全城1000多万个检测。青岛创造了世界纪录,也震惊了外媒。</h3></br><h3> <h3>△英国电讯报10月份文章 《中国青岛发现6例感染,5天检测全城900万人口》</h3></br><h3>为什么中国的新冠病系检测速度如此之快,其实真正的秘密在于“混采检测”。</h3></br><h3>武汉第一次用了“混采检测”,简单说就是把样本成组去检。如果某组结果是阳性,那么会通知这一组所有人立刻隔离,并对每人做“单采单检”,以找到这组样本里病毒的“源头”。</h3></br><h3> <h3>△混合三个样本检测</h3></br><h3>当时武汉是把5个样本以内分成一组一组去检测,而青岛是把10个样本分为一组,从此速度就飞起来了。</h3></br><h3>毕竟新冠传播速度太快,检测是在跟病毒赛跑,是打闪电战。“分组检测”又快又省成本,其实已经被中国、印度、德国和美国采用了,只是中国执行力惊人,再加上别的一些原因(往下看),所以效果特别惊艳。</h3></br><h3><strong>分组检测中的科学高光</strong></h3></br><h3>“分组检测”深挖下去相当烧脑,来自数学领域的创新层出不穷。权威科学期刊《自然》杂志之前就介绍过四种方法。</h3></br><h3><strong>方法1:</strong>其实很像中国的“10合1”“5合1”,这也是最直接、最易操作的一种方法。</h3></br><h3> <h3>这种方法最早是由哈佛大学经济学家Robert Dorfman在20世纪40年代提出的,当时是用于检测二战士兵中有多少人携带梅毒。后来也常被用于筛查无症状人群有多少人携带比如衣原体和淋病病毒。红十字会也会用这种方法来筛查献血者中是否有人携带乙肝、艾滋病毒等。</h3></br><h3><strong>方法2:</strong>跟“方法1”很类似,都是“不重叠分组”,区别在于它是分组之后再分组。</h3></br><h3> <h3>这种方案的好处是次数减少了——“方法1”一共需要检(3+9=12)次,“方法2”只要(3+3+3=9)9次。</h3></br><h3>但它的缺点是轮次太多。</h3></br><h3>如果每轮的检测结果都需要等好久,会导致时间拖很长。而且叫人回来检测3次,也有操作上的难度。</h3></br><h3>前两种办法都是“不重叠分组”,而从“方法3”开始则是更精妙的“重叠分组”,也就是说同一个样本可以分到不同的组里,组和组之间是有重合的。</h3></br><h3><strong>方法3:</strong>升维。</h3></br><h3>9个样本,按“列”分组测3次,按“行”分组测3次(见第2轮的箭头),如果有“行”或“列”出现阳性,那么同时出现在这两组中的某样本就可判断为阳性(红色)。</h3></br><h3> <h3>二维还可以升级成多维,就更有规模效应。只是这种方法实际操作起来可能有些复杂,尤其当一组中包含不止一个阳性病例时,需要靠算法来算出哪个是阳性样本。卢旺达的科学家正在探索这种策略。</h3></br><h3><strong>方法4:</strong>用一轮搞定。</h3></br><h3>前几种方法都需要分好几轮,而测第2轮必须要等第1轮结果出来,测第3轮要等到第2轮结果出来。轮次越多,等越久越耽误时间。要比病毒更快,科学家于是研究是否能把轮次压缩到极限?</h3></br><h3>印度理工学院的计算机科学家用数学中的柯克曼三元系(Kirkman triples)来完成“一轮搞定”。下图的例子就是如果测9个人,只需要测6次就能找到唯一阳性。</h3></br><h3> <h3>△以上四张图片均来自《自然》杂志</h3></br><h3>但是这种方法跟“方法3”一样,只要数据量一大,分组和识别就会超出人的计算能力。让一线的检测人员去用这种方法操作,估计能把人晕死。</h3></br><h3>所以“算”这件事要交给计算机。写出合适的算法、开发出合适的程序,“方法4”的威力就会爆发出指数级的增长。目前印度的科学家已经能做到仅用48次测试,就在320个样本中成功识别出5个阳性。</h3></br><h3>除了数学带来的灵感,分组检测也吸引着人工智能领域科学家的关注。医学界也在探索,到底多少样本分成一组是极限?才不会导致病毒被过分稀释,导致检测不出阳性来?</h3></br><h3>所以,“几个样本放一组合适”,这也都不是拍脑门就能定的事情,背后都是科学。</h3></br><h3>中国的方法,即“方案1”,是最易操作、最易上手的,特别适合于当机立断的“闪电战”。但是突破阈值、突破极限永远要靠科学。而科学是需要时间的,它可能短期内无法体现在执行上,但这是一场长跑,升维的那一刻还未到来,我们可不能妄自尊大。</h3></br><h3><strong>中国惊艳的另一个原因</strong></h3></br><h3>7月份,一篇由美国科研人员撰写的文章发表在“对话”网站上,对“分组检测”的局限性作了一番讨论。</h3></br><h3>文章称,如果在洛杉矶这种城市,有9%的人检测结果为阳性,“分组检测”只能减少50%的成本和时间。而如果在只有0.1%的人口被感染的蒙大拿州,竟然可以减少近90%的检测成本。</h3></br><h3>道理很简单,感染的人越多,第一轮成组检出来的阳性就越多,就会有越多的人需要检第二轮。那分组检的优势何在?</h3></br><h3> <h3>△“对话”网站发表文章讨论分组检测</h3></br><h3>英国的利物浦两周仅测了20万,利物浦大学传染病专家卡卢姆·森普尔教授是这么解释的:</h3></br><h3> <h3>△英国紧急情况科学咨询小组(SAGE)顾问,利物浦大学传染病专家卡卢姆·森普尔教授接受总台记者专访</h3></br><h3>所以说中国的“分组检测”策略未必可以照搬,或者说用了也未必有中国这样的惊艳效果,因为各家“底子”不一样。</h3></br><h3>中国抗疫果断,常常只有几例本地传播就检测全城。第一轮一组一组检出来都是阴性的,那很快就筛掉了,于是检得就特别快。这就形成了一种“正反馈”——感染得少,所以检得快;检得快阻断了病毒传播,所以又感染得少。</h3></br><h3>英国免疫学会主席彼得·欧平朔教授在接受总台记者专访时就说,“中国的检测方法令人钦佩,我希望在英国我们可以效仿。”</h3></br><h3> <h3>这倒不是自谦,这是一种判断。在现阶段,这种方法未必是对他们最合适的。</h3></br><h3>而对我们普通中国人来说,在享受来自世界的赞誉和高光时刻之时,也要知其然,并知其所以然。总是用勤劳勇敢来解释,不利于我们变得更聪明。</h3></br><h3>监制丨姜秋镝</h3></br><h3>记者丨王璇 慕兰亭 余鹏 陈明磊</h3></br> <a href="https://open.toutiao.com/a6899218366045618695/?utm_campaign=open&item_id=6899218366045618695&crypt=2776&utm_medium=webview&label=vivo_llq_channel&req_id=202011261730010101980601425123277C&dt=vivo%20X9s%20L&gy=bc3ec5fb033acadfe56eff46b0737af948d48ed2f519f83fb5b10e0132c1e1dbbdfd28d42ed9fbd1acd440b2fe1c30e50ac0413e6fb80566b7e3ed36a5e38e11daf3c1c683fcf08b6eac1905939b1631cdffb3071b831ce33675137288763d358537976d664609c058ae23c9d07202c47d4c1722cac3a6882d9edc5567a53cea97a02c545193ce30bf90192bf0c55e3e&showOriginalComments=true&a_t=411610721075404800301947f80&isNews=1&showComments=0&utm_source=vivoliulanqi&vivo_news_source=1&vivo_news_comment_data=%7B%7D&vivo_news_comment_data_checksum=99914b932bd37a50b983c5e7c90ae93b" >查看原文</a> 原文转载自open.toutiao.com,著作权归作者所有