Моделирование распространения COVID-19 – итоги 3-летней работы
Рабочая группа по моделированию и прогнозированию распространения коронавирусной инфекции подвела итоги трехлетнего этапа разработки имитационных моделей прогнозирования эпидемиологической ситуации в РФ.
В статье представлены текущие результаты продолжающегося проекта по математическому моделированию и прогнозированию распространения COVID-19 в регионах РФ и в целом по стране как основы для принятия управленческих решений – в частности, самая актуальная на текущий момент имитационная модель, позволяющая прогнозировать распространение COVID-19 с учетом наиболее значимых факторов, оказывающих влияние на этот процесс спустя 3 года после начала пандемии.
Разработка новой методологии и программных средств многовариантного математического моделирования и динамического прогнозирования распространения COVID-19 реализуется с начала 2020 года проектным консорциумом на базе Центра компетенций НТИ СПбПУ под руководством проректора по цифровой трансформации СПбПУ, руководителя Научного центра мирового уровня СПбПУ «Передовые цифровые технологии», Центра компетенций Национальной технологической инициативы СПбПУ «Новые производственные технологии» и Передовой инженерной школы СПбПУ «Цифровой инжиниринг» Алексея Боровкова.
Рабочая группа из СПбПУ. Слева направо: В. В. Ракова, М. О. Ефремова, М. В. Смирнова, А. М. Гинцяк, А. И. Боровков, В. С. Авершин, В. А. Ракова, М. В. Болсуновская
Методология имитационного моделирования и, в частности, методы системной динамики позволяют описать поведение системы благодаря учету множества цепочек причинно-следственных связей и выявлению функциональных зависимостей между различными факторами.
В рамках реализации проекта была доработана математическая модель SEIR типа Кермака–Маккендрика, учитывающая такие категории населения, как S – Susceptible (восприимчивый), E – Exposed (зараженный), I – Infected (инфицированный) и R – Recovered (выздоровевший) как наиболее подходящая для описания поведения системы с учётом характеристик вируса SARC-CoV-2. Подобные модели предназначены для поддержки принятия решений стратегического масштаба по противодействию распространению инфекционных заболеваний на уровне региона или страны.
Модель учитывает значительное количество факторов, влияющих на динамику распространения коронавирусной инфекции для наиболее полной имитации реальной системы, и благодаря принципу обратной связи, характерному для системно-динамических моделей, позволяет определить ряд эпидемиологических показателей, влияющих на результативность принимаемых государственных мер в отношении COVID-19.
На основе моделей класса SEIR проектной группой был разработан целый ряд модификаций модели в зависимости от различных конфигураций наиболее значимых факторов и целей моделирования.
В частности, в начале 2020 года, когда на повестке дня стояла стратегия сдерживания заболевания путем введения мер самоизоляции и особых режимов функционирования отдельных отраслей, была разработана сегрегационная модель SQEIR, учитывающая в прогнозах группу индивидов (Q), находящихся на карантине/самоизоляции, за счёт чего их способность к инфицированию значительно снижалась. Данная группа индивидов выделялась из группы восприимчивых в соответствии с нормативными актами субъектов РФ. Модель была разработана для построения сценариев ввода или отмены мер контроля, когда требовалось прогнозирование развития эпидемиологической ситуации в различных регионах России при введении или снятии режима самоизоляции.
Структурная схема разработанной модели SQEIR
Начало следующего этапа развития пандемии в России, потребовавшего разработки новых аналитических инструментов, можно условно отнести к декабрю 2020 года, когда во всех регионах страны появилась вакцина от COVID-19 и началась массовая прививочная кампания. В декабре 2020 – феврале 2021 исследователи разработали более актуальную модификацию имитационной модели с учетом вакцинации и повторной заболеваемости – модель SVEIRS, представленную в вышедшей недавно статье.
Помимо базовых для моделей класса SEIR категорий населения (S — Susceptible, E — Exposed, I — Infected, R — Recovered) модель SVEIRS включает в расчеты дополнительную категорию V – Vaccinated.
Модель учитывает процесс вакцинации как способ снижения заболеваемости за счёт уменьшения количества восприимчивых (susceptible) индивидов, доступных для заражения, а также возможность повторной заболеваемости как дополнительный источник восприимчивых (susceptible) индивидов.
Структурная схема разработанной модели SVEIR
Данные изменения позволили повысить точность прогнозирования распространения заболевания благодаря учету факторов, существенно влияющих на развитие пандемии. Так, на базе модели SVEIRS возможно прогнозирование распространения COVID-19 в различных регионах с целью формирования оптимальной стратегии вакцинации населения.
Дополнительная научная апробация разработанной модели SVEIRS была проведена при прогнозировании распространения COVID-19 в Москве в июле-сентябре 2022 года. Модель SVEIRS апробировали в сравнении с референтной моделью SEVIS, и SVEIRS показала более высокую точность прогнозирования.
Проект по математическому моделированию и прогнозированию коронавирусной инфекции COVID-19 имеет высокую прикладную значимость. Прогнозы рабочей группы по математическому моделированию и прогнозированию распространения коронавирусной инфекции COVID-19 использовались администрациями более чем 10 регионов Российской Федерации.
На основании математического моделирования и прогнозирования распространения COVID-19 формировались:
- Меры контроля и предложения по снятию ограничений, направленных на противодействие распространению COVID-19;
- оценка ресурсов региональной системы здравоохранения и своевременного прогнозирования нагрузки на систему здравоохранения регионов и необходимых ресурсов;
- оценка вариативности динамики показателей при снятии ограничений;
- управленческие решения по вводу и снятию ограничений.
Результаты работы ученых были высоко оценены не только профессиональным сообществом, но и широкой общественностью. В декабре 2020 года руководитель проектного консорциума Алексей Боровков стал одним из лауреатов премии «Технологический прорыв – 2020». Проект «Математическая модель прогнозирования распространения COVID-19» был признан победителем в номинации «Технологический прорыв». На церемонии награждения Алексею Ивановичу Боровкову была объявлена благодарность от имени первого заместителя Председателя Правительства РФ Андрея Белоусова за проект «Математическая модель прогнозирования распространения COVID-19», который был назван одним из проектов, которые уже сейчас имеют или будут иметь в ближайшее время платформенный эффект или платформенный результат.
В июне 2021 года Политехнический университет посетил Глава Республики Коми Владимир Уйба. Он лично вручил Алексею Боровкову благодарность «За оказание организационно-методического и научного сопровождения по профилактике и борьбе с коронавирусной инфекцией (COVID-19)».
Одним из ключевых исполнителей проекта является заведующий Лабораторией «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ Марина Владимировна Болсуновская. В 2021 году ее работа во главе группы аналитиков Центра НТИ СПбПУ была отмечена благодарностью вице-губернатора Санкт-Петербурга Владимира Княгинина «за большой личный вклад в аналитическое сопровождение комплексных мер оперативного реагирования на развитие в Санкт-Петербурге эпидемиологической ситуации, связанной с глобальным распространением в мире новой коронавирусной инфекции COVID-19».
В 2022 году Марине Болсуновской была также вручена благодарность Агентства стратегических инициатив «За вклад в создание инструментов в области компьютерного моделирования, в том числе экспериментального образца программного комплекса для имитационного и пространственного моделирования социально-экономических процессов при распространении новых инфекций».
