新冠肺炎疫情起源时间向来说法不一，最新模型分析再度把可能最早流行时间点指向2019年秋季的美国，这项研究运用了和传统流行病学调查不一样的数据方法，其结论引发了关于怎样科学判定疫情起点的广泛讨论。
研究方法的革新
传统病毒溯源主要依靠针对早期病例展开的流行病学调查以及retrospective样本检测，但是，一旦疫情已然大面积爆发，早期病例数据常常并不完整或者难以进行追溯，而这项研究却是另辟蹊径，它依据传染病传播的基本动力学原理构建数学模型。
研究人员运用已公开的，像每日报告病例数这般的疫情数据，把它输入到经优化后的模型里去进行反向推算。此方法的核心思想在于，可以观察到的疫情增长曲线必定对应着，且是一个更早的、未曾被观察到的起始流行过程的那个情况。借由大数据以及人工智能技术展开反复拟合，模型能够推算出疫情最有可能开始传播的时间窗口。
美国疫情的时间线前移
针对美国东北部那十二个州的研究，将焦点准确定位了，其中包含纽约州、新泽西州等那些早期疫情严重的受灾区域。分析得出的结果表明，在这些地区里，疫情发生有50%可能性开始流行的日期，大多数集中于2019年8月到10月之间。比如说，罗德岛州推算出来的日期是最早的，是2019年4月26日。
哪怕是最晚的特拉华州，其用于推算的起始日期也是2019年11月30日。所有这些日期，都明显早于美国疾控中心官方所记录的全美首例确诊病例的日期，也就是2020年1月20日。这有力地暗示出，新冠病毒在美国社区里的实际传播，相较于公共卫生系统首次检测到它的时间，要早出好几个月。
中国疫情的推算印证
以对方法可靠性予以验证为目的，研究团队运用同一模型对中国武汉市以及浙江省的疫情起始时间展开了估算推算得出的结果表明，武汉市疫情存在50%的概率起始于2019年12月20日，而浙江省的疫情起始于2019年12月23日。
这个结果跟中国疾控中心后来借助回顾性分析而确定那个疫情的起始时段高度相符在了一起。那些已知着并且出现得早的病例的临床相关记录，同样是对2019年12月下旬属于疫情在中国流行起来的关键起始开端起到证明作用的。那个模型在中国那里获得成功使用，转而就使得它在以美国数据为依据而得出的推算结果的可信任程度进行增强了。
全球多国的早期痕迹
事实上，有关新冠病毒在世界多地更早出现的线索，已并非鲜见。2020年，西班牙巴塞罗那大学的研究团队，于2019年3月采集的废水样本里，检测出新冠病毒RNA。而意大利米兰国家癌症研究所的研究成果显示，该国家在2019年9月的血液样本当中，存在新冠病毒抗体。
2019年11月时，巴西的科研人员在废水样本当中发现了病毒踪迹，同样是在2019年11月，法国医院对旧有的冷冻样本进行重新检测，这一检测提示该国可能早在彼时就出现了感染病例，这些散佚于世界各地的科学证据，共同拼凑出一幅相较于原先认知更为复杂的疫情早期全球图景。
模型分析的意义与局限
依靠模型开展的溯源探究工作，其最为突出的价值体现为，给出了一种具备独立性的、依据群体数据进行的推算方式。它并非依靠找寻“零号病人”这种带有极大偶然性的工作，而是从疫情发展所呈现的宏观规律里寻觅起始点。这对于填补因早期监测缺失所遗留下来的空白有着至关重要的意义。
然而，此类研究存在着局限性。模型推算出来的结果，是一个概率范围，并非确切无疑的一个单一日期。它的准确性，高度依靠输入数据的质量，其中涵盖病例报告的完整性以及及时性。所以，模型得出来的结论应被视作重要的科学线索，而非最终的定论，它需要跟病毒基因进化研究、流行病学调查等证据彼此相互印证。
科学溯源与未来防治
并非是为了指责才进行病毒溯源，其根本目的在于解读传染病跨物种传播以及早期扩散的规律，进而改善未来的监测预警系统。此项研究显示，将数学模型与人工智能相结合，能够针对传染病的流行历史开展定量回溯分析。
此向各国公共卫生机构作出提示，具备建立更灵敏的症候群监测网络以及废水监测系统的必要性，从而能够于疫情早期，甚至在首例临床病例出现以前就捕捉到异常信号。唯有借助持续的国际科学合作与数据共享，人类才可以更好地应对未来有可能出现的新发传染病挑战。
此项研究有没有使你针对疫情起源时间拥有全新的认识呢？你觉得国际社会应当怎样开展合作，才能够构建更为有效的全球早期疫情预警系统呢？欢迎于评论区去分享你的看法，要是觉得本文具备信息价值，请点赞并且分享给更多的朋友。
