目前跟踪霍乱暴发的方法在很大程度上依赖于当地医院对类似霍乱腹泻病例的报告,而且相对不准确。在这项新研究中,研究人员开发了机器学习算法,利用多个霍乱抗体测试的结果来准确识别最近感染的个体。
研究小组发现,一种算法使用一组抗体措施可能确定非常敏感,误报率很低的,一个人是否感染了霍乱在不同的窗口在今年之前提供血液样本进行的例子中,在前45天或之前的100天。“我们认为这可能是一个有用的新工具,不仅可以跟踪不同人群中的霍乱发病率,而且可以衡量不同的霍乱控制干预措施的效果如何,”该研究的主要作者、布伦伯格学院流行病学系助理科学家Andrew Azman博士说。
霍乱发生在供水和卫生基础设施不安全的地方。霍乱是由霍乱弧菌引起的,其特点是水样腹泻,可导致危及生命的脱水和电解质流失。这种疾病被认为每年感染200万到300万人,并导致世界各地10万多人死亡,尤其是在非洲、南亚和海地。也门最近的一次大规模疫情报告了100多万例病例,但由于该国的卫生监测基础设施遭到破坏,实际病例数量仍不清楚。
尽管控制霍乱的关键第一步是对其地理范围和传播速度进行估计,但低收入地区的公共卫生官员通常只能根据前往当地医院就诊的水泻患者人数进行粗略估计。Azman说:“如果我们想消灭霍乱,我们就需要能够准确地统计病例,而这种需求正是我们研究的动力。”“即使在像孟加拉国这样已经研究霍乱几十年的地方,我们也无法很好地估计霍乱有多少,以及该国的哪些地方容易发生霍乱。”
基于抗体的测试
这项研究是由来自几个机构的科学家组成的团队进行的,这些机构包括彭博学院、犹他大学、马萨诸塞州总医院、Epicentre和国际腹泻病研究中心(位于孟加拉国达卡)。后者提供了1 569份血液测试结果,包括对当地霍乱病例和未受感染接触者的不同抗霍乱抗体进行测试。阿兹曼和他的同事利用抗体数据“训练”或编程机器学习软件算法,以识别最近几周或几个月感染霍乱的人。阿兹曼说:“不同种类的抗霍乱弧菌的抗体往往在接触霍乱后不同的时间增加、达到峰值并回落到正常水平,因此我们可以利用抗体反应的这些差异来估计一个人是否以及何时感染了霍乱。”“有一项检测可以让我们知道一个人最近是否感染过霍乱,这可以通过定期调查来跟踪霍乱在人群中的传播趋势,在定期调查中随机抽取一组人,要求他们提供一滴血。”
这种测试还将提高能力,以便更好地了解防治霍乱的新干预措施,包括改善水和卫生设施以及疫苗,如何导致减少霍乱风险。
在资源匮乏的环境下,使用六种不同的基于抗体的测试可能不切实际,但Azman和他的同事发现,当他们使用两种最有用的霍乱抗体水平测量方法时,他们可以几乎同样准确地估计最近的霍乱感染时间窗口,而且比单一抗体测试结果还要准确得多。
该团队验证了他们的两种测量算法,发现将其应用于一组独立的血液检测结果时仍然准确,这些血液检测来自于北美的38名志愿者,他们感染了霍乱弧菌,这是霍乱疫苗临床试验的一部分。对照组的志愿者没有接种疫苗。
最后,Azman和他的同事们建立了软件来模拟不同规模的霍乱爆发,并模拟了小型的血清调查(测量了随机人群中的一个子集的抗体)。他们发现,在疫情爆发后对500人进行测试,并应用他们的算法,可以很好地估算出这些模拟疫情期间的霍乱发病率,尤其是如果疫情相对较短,持续数周或数月。
这些进展可能为衡量和加速在2030年前消除霍乱这一公共卫生威胁方面的进展提供急需的工具,这是由世卫组织支持的全球霍乱控制工作队最近宣布的目标。Azman说:“我们的方法在不同规模的流行病中,甚至在相当小的样本量中都工作得很好,这表明像我们这样的模型——应用于对采集血液的健康人的调查数据——可能有助于更好地了解实地霍乱传播。”