关于新冠肺炎的许多未解决的科学问题之一是它是否像流感一样季节性发生——它在温暖的夏天逐渐减弱，然后在秋天和冬天恢复。现在，劳伦斯伯克利国家实验室(Berkeley Laboratory)的科学家们正在启动一个项目，将机器学习方法应用于大量的健康和环境数据集，并结合高分辨率气候模型和季节预测来寻找答案。
“环境变量，如温度、湿度和紫外线(UV)暴露，可以直接影响病毒的生存能力。它们还会影响病毒的传播和气溶胶的形成，”他说。项目负责人是伯克利实验室的科学家Eoin Brodie。“我们将使用最先进的机器学习方法来区分社会因素和环境因素的贡献，并尝试确定疾病动力学最敏感的环境变量。”
研究团队将利用大量县级卫生数据，如新冠肺炎疫情的严重程度、分布和持续时间、何时实施公共卫生干预以及人口、气候变化和天气因素，并借助智能手机数据，研究人口流动动态。这项研究的最初目标是预测环境因素将如何影响新型冠状病毒-2病毒在美国每个县的传播，这将导致新冠肺炎。
解决复杂问题的多学科团队
区分环境因素与社会和健康因素是一个棘手的问题，涉及许多变量，它们以不同的方式相互作用。最重要的是，气候和天气不仅影响病毒，还影响人类的生理和行为。例如，根据天气的不同，人们可能会或多或少地呆在室内。它们的免疫系统会随着季节而变化。
这是一个复杂的数据问题，类似于伯克利实验室的研究人员在研究流域、农业等系统时所解决的问题。这一挑战涉及到为本地预测整合跨尺度数据。布罗迪说：“减少气候信息的规模是我们通常做的事情，以了解气候如何影响生态系统过程。”"它涉及同样类型的变量——温度、湿度、太阳辐射."
布罗迪是伯克利实验室气候和生态系统科学部的副主任，他领导着一个跨学科的科学家团队，他们在气候建模、数据分析、机器学习和地理空间分析方面拥有专业知识。伯克利实验室生物科学领域的计算生物学家本布朗正在领导机器学习分析。他们的主要目标之一是了解气候和天气如何与社会因素相互作用。
布朗说：“我们不一定期望气候本身会产生巨大的影响或起主导作用。不会比封城的时候更好。”“然而，(变量之间)可能会有一些真正重要的相互作用。比如以纽约和加州为例，即使考虑到各州干预时机的差异，纽约的死亡率可能比美国高4倍。在加州，虽然一些随机样本需要进行额外的检测。理解环境的相互作用可能有助于解释为什么这些模式似乎正在出现。这是机器学习和AI(人工智能)的典型问题。”
计算将在国家能源研究科学计算中心(NERSC)进行，该中心是位于伯克利实验室的能源部科学办公室的用户设施。
气候影响的迹象
研究人员指出，疾病行为的地理差异已有报道。从统计数据来看，温度、湿度和紫外线指数都与新冠肺炎的传播速度有关，尽管接触率仍然是疾病传播的主要影响因素。例如，在南半球，当它目前正在下降时，疾病的传播比北半球慢。布罗迪说：“还有其他潜在因素与此有关。”“问题是，当南半球进入冬季，传染率会上升吗？还是在2020年的秋冬季，不干预会导致整个美国的复苏？”
印度是新冠肺炎似乎还没有致命的地方。布朗说：“有些城市表现得好像它们是历史上最具传染性的疾病。然后一些城市的行为更像流感。”“理解我们为什么会看到这些巨大的差异真的很关键。”
布朗指出，其他实验表明，新型冠状病毒病毒可能是季节性的。国家生物防御分析与对策中心(NBACC)专门评估了病毒在各种表面的寿命。布朗说：“在阳光和湿度条件下，他们发现病毒在60分钟内就失去了生存能力。”“但是在黑暗和低温下，它可以稳定八天。有一些非常严重的差异需要调查。”
伯克利实验室团队认为，现在可以提供足够的数据来确定哪些环境因素可能会影响病毒的毒性。布朗说：“现在我们应该有来自世界各地的足够数据来进行真正的评估。”
该团队希望在夏末或初秋之前提供第一阶段的分析。下一阶段将在不同情况下进行预测，这将有助于公共卫生决策。
“我们将利用该模型预测不同国家的天气状况、不同的健康干预措施，比如持续的社交距离或者是否会在全国不同地区进行疫苗接种或某种程度的群体免疫。例如，我们希望能够说，如果您的孩子在这种环境下重返校园，这一地区的气候和天气会将潜在传播影响到这种程度。”“这将是我们需要完成的一项长期任务。”
