Российские математики обошли Запад: новая модель предсказывает пандемии с точностью 99%!

Пандемия COVID-19 стала вызовом для всего человечества. Когда мир столкнулся с неизвестным вирусом, ключевым инструментом в борьбе с ним оказались не только вакцины, но и математические модели, предсказывающие развитие эпидемии. Однако большинство прогнозов, особенно на ранних этапах, грешили неточностями.

Российские ученые из Санкт-Петербургского государственного университета (СПбГУ) совершили прорыв: их модель, созданная в 2021–2022 годах, смогла предсказывать волны COVID-19 с ошибкой менее 1%. Как им это удалось и почему это важно для науки, медицины и России?

Математика против эпидемий

В основе разработки ученых Центра аналитики динамических процессов и систем СПбГУ лежит гипотеза о том, что распространение вирусов зависит от множества случайных факторов — от поведения людей до мутаций патогена. Чтобы учесть эту неопределенность, математики использовали концепцию «динамической игры против природы».

В интервью газете «Известия» Виктор Захаров, профессор СПбГУ и научный руководитель центра, объяснил, что стохастическими, то есть случайными, факторами, может быть все что угодно, например, появление новых штаммов или изменение мер карантина.



Модель анализирует данные о заболеваемости, тестировании и госпитализациях, постоянно обучаясь на новых вводных. В отличие от классических моделей SIR (Susceptible-Infected-Recovered) и ARIMA (Autoregressive Integrated Moving Average), которые до сих пор используются во многих странах, российская разработка гибко адаптируется к изменениям.

Питерские ученые протестировали свою систему на данных Москвы и Санкт-Петербурга за 2020–2021 годы. Результаты, опубликованные в журнале «Вопросы вирусологии», впечатляют.

На пиках заболеваемости ошибка прогноза (MAPE) не превышала 1%. К маю 2020 года модель, обученная на данных марта-апреля, снизила отклонения с 20% до 1%. Прогнозы на 3–4 недели вперед оказались точнее, чем у зарубежных аналогов.

По словам Захарова, ранние модели, тот же SIR, не учитывали многих стохастических факторов. Неудивительно, что они давали погрешность до 30-40%, особенно если появлялись совершенно новые факторы, например, штамм «омикрон». Российская же система «видит» даже непредсказуемые изменения.

Почему это круто с точки зрения науки и медицины?
Со стороны медицины точный прогноз — это спасенные жизни. Что касается властей, то они, зная, когда грядет волна, смогут своевременно развернуть дополнительные койки. Кроме того, можно оптимизировать распределение лекарств и работу медперсонала. Да и ограничения в таком случае получится вводить точечно, избегая массовых и жестких локдаунов.



Для науки прорыв СПбГУ важен тем, что впервые теория игр и стохастическое моделирование были применены к эпидемиологии так эффективно. Эксперты говорят, что разработка питерских исследователей открывает путь к созданию универсальных моделей для любых эпидемий — от гриппа до лихорадки Эбола.

Если говорить о Западе, то там в основном используются две категории моделей. Например, ВОЗ (Всемирная организация здравоохранения) и CDC (Centers for Disease Control and Prevention — Центр по контролю и профилактике заболеваний, ведущее агентство США по здравоохранению) используют классические модели: SIR и SEIR. Они учитывают различные стадии инфекции (зараженные, выздоровевшие и т. д.) и позволяют делать прогнозы на основе текущих данных.

В свою очередь, MIT (Massachusetts Institute of Technology — Массачусетский технологический институт) и IHME (Institute for Health Metrics and Evaluation — Институт показателей и оценки здоровья, Сиэтл, США) используют алгоритмы на основе ИИ. Машинное обучение позволяет использовать большие объемы данных о распространении инфекций и тем самым выявлять скрытые факторы, делая более точные предсказания.

Как правило, нейросети показывают хорошие результаты, но корректность их прогнозов очень зависит от качества информации. К примеру, модель IHME в 2020 году ошибалась на 15-20% при предсказании смертности в США.

Российская разработка, по словам ученых, сочетает преимущества обоих подходов. С одной стороны, она, как ИИ, учитывает случайные факторы. С другой — остается прозрачной и интерпретируемой, в отличие от черного ящика нейросетей.

Российские исследователи говорят, что их модель не просто предсказывает, она объясняет, почему происходит рост заболеваемости.

Россия, вперед!

Данная разработка — это значительное укрепление российского научного авторитета. Питерская технология уже привлекла пристальное внимание зарубежных коллег.



Кроме того, Россия может экспортировать свою разработку за границу, адаптировав модель для других стран. Это создает новый рынок для российских IT-решений.

В целом для страны точные прогнозы означают снижение экономических потерь от будущих пандемий. Есть вероятность, что новая технология в скором времени появится во всех регионах России.

Достижение ученых СПбГУ — не просто успех отдельной команды. Это сигнал: Россия способна создавать технологии мирового уровня в области математики и биологии. Сейчас, когда мир готовится к новым пандемиям, такие разработки становятся стратегическим ресурсом.

И если раньше мы перенимали западные модели, то теперь Запад будет учиться у нас.