大数据溯源：美国新冠“零号病人”大概率2019年4月出现

中新社北京9月22日电 (记者 孙自法) 中国科学院科技论文预发布平台(ChinaXiv)9月22日发表一项基于新的大数据分析方法得到的溯源结果显示，美国新冠“零号病人”大概率出现在2019年9月前后，最早是罗德岛州首例感染发生概率50%的日期为2019年4月26日，远早于美国官方公布的全美首例确诊日期2020年1月20日。

当前，新冠病毒溯源是全人类面临的共同挑战。一系列研究已显示，美国、西班牙、法国、意大利、巴西等多国早在中国疫情暴发前就已出现遭病毒侵袭的痕迹。为快速、精准地推进溯源，数学家开始尝试基于大数据分析的溯源方法，和生物学家共同寻找“零号病人”。

在最新这项大数据分析工作中，科研人员基于已公开数据并根据传染病模型和统计方法，建立最优化模型，对美国部分州和中国武汉市、浙江省等地的疫情起源时间进行了推断。该研究论文提出，结合数学模型和人工智能技术对传染病进行定性和定量分析，可以揭示传染病流行规律。目前，根据传染病模型和数据进行疫情预测的研究比较多，但是利用大数据分析的方法建立数学模型“倒推”疫情变化的研究，中外都比较少。

在论文中，科研人员主要根据经典传染病模型和统计方法，建立“模型与数据混合驱动的疫情传播模型”，并且应用最小二乘估计和核密度估计方法，得到模型参数。他们利用美国东北部12州每日公布的疫情数据，分别求出美国东北部这12州的初期疫情传播模型所对应的参数。在此基础上，推断出它们各自的首例、50例和100例的感染时间及其对应的概率。

计算结果显示，对于美国东北部的12州，新冠疫情首例感染发生大概率出现在2019年9月前后，最早是罗德岛州首例感染发生概率50%的日期为2019年4月26日，最晚是特拉华州首例感染发生概率50%的日期为2019年11月30日，均早于美国官方公布的全美首例确诊日期2020年1月20日。

此外，为验证这一新方法，论文研究团队还利用同一模型和中国的公开数据，推断了中国武汉市和浙江省首例、50例和100例病例感染时间。武汉市首例感染发生概率50%的日期为2019年12月20日，浙江省首例感染发生概率50%的日期为2019年12月23日。据此推断，中国新冠疫情大概率从2019年12月下旬开始流行，这一结论与流行病学调查结果基本相符，证明该计算方法准确可靠。

该研究论文表明，如果其他国家或地区疫情传播初期检测数据比较准确，可以利用该方法对疫情起源时间进行推断，在给定概率意义下计算出首例和若干例的感染时间。