Нейробиолог Карл Фристон из Университетского колледжа Лондона, создатель математической модели работы человеческого мозга, применил ее к COVID-19 и сообщил результаты своих исследований комитету организации Independent Sage, неофициальному аналогу совета по пандемии правительства Великобритании.

В интервью Guardian Фристон рассказал, чем его модель отличается от тех, что обычно используют эпидемиологи. «Обычные модели сопоставляют кривые графиков с историческими событиями и экстраполируют их в будущее, — пояснил он. — Они смотрят на поверхность феномена — на видимую часть, или данные. Наш подход, который основан на физике и, в частности, на работе Ричарда Фейнмана, направлен вглубь. Он пытается ухватить математическую структуру феномена — в данном случае, пандемии — и понять причины явления. Поскольку мы не знаем всех причин, мы должны их предположить. Это предположение и встроено в модели. Вот почему мы зовем их генеративными моделями, потому что они содержат все, что нужно знать для генерации данных. Когда поступает больше данных, знание о причинах уточняется, пока модель не начнет симулировать данные максимально точно».

Генеративные модели с успехом применялись во многих областях, от физики до нейробиологии. В эпидемиологии ее раньше не использовали, но принцип не отличается от моделирования работы мозга — и там, и тут задача в том, чтобы понять комплексную систему, которая меняется со временем. Разве что данные генерируют не нейроны, а пациенты.

Преимущество генеративного метода в том, что модель может выдать гипотезы за минуты, а не через несколько дней. Кроме того, он позволяет предсказывать не только число случаев заражения и смертей в будущем, но и реакцию общества и правительственных структур.

Модель спрогнозировала риски второй волны коронавируса. В ближайшие несколько недель беспокоиться не о чем — население до определенной степени защищено иммунитетом. Опасность наступит через пару месяцев, когда иммунная защита ослабнет. Более точные предсказания и сценарии развития событий появятся позже, когда будут собраны новые данные.

На вопрос, можно ли будет потом определить, какая из стран лучше всего проявила себя в борьбе с коронавирусом, Фристон сказал, что это уже происходит. Например, ученые сравнили Британию и Германию, и результаты получились парадоксальными.

«К примеру, выходит, что низкий уровень смертности в Германии обусловлен не масштабами тестирования, а тем, что средний немец заражается и умирает с меньшей вероятностью, чем средний британец, — рассказал ученый. — Почему? Есть разные объяснения, но вероятнее всего, потому что у Германии больше иммунологической „темной материи“ — людей, невосприимчивых к инфекции. Возможно, потому что они географически изолированы или имеют какую-то природную сопротивляемость. Это как темная материя Вселенной: мы не можем ее видеть, но знаем, что она должна быть где-то там».

Низкие показатели смертности в Германии ставят экспертов в тупик. Большинство сходится во мнении, что за это следует благодарить демографию, массовые тестирования и везение.