我国高通量自动化设备赴法国抗疫一线

我国高通量自动化设备 赴法国抗疫一线

科技日报讯 (记者刘传书)法国当地时间4月17日,我国企业华大智造宣布与法国卫生部签署合作协议,将为法国提供20台高通量自动化核酸提取设备及相关配套试剂,以确保法国达200万人次的新冠病毒检测规模。中方企业正积极与法国各地的医院合作,提供急需的测试设备,并派出技术团队支援安装,保障设备得以顺利运转,这也会快速将样本处理能力提升为每日4万人份。据了解,本次提供设备以及配套提取试剂均已获得CE-IVD认证。

截至2月底,国内真实的疫情流行趋势已证实与这项研究的预测曲线相吻合。该研究还测算出,如果延后5天执行控制措施,将使疫情规模增加至3倍。

研究局限性:无法考虑季节改变等影响

该团队还推测出疫情在国内于2月下旬达到高峰,4月底趋于平缓,并指出如管控措施推迟5天实施,国内疫情规模预估扩大至3倍。而如果减低武汉管控力度,湖北可能在3月中旬出现第二次疫情高峰并延续至4月下旬。

该团队在文章中也坦言研究存在的局限,比如:研究过程中用于机器学习的SARS流行病数据是来自2003年4月至6月,对于长期的预测来说这是个有限的数据库。这项研究的另一个局限性是无法考虑季节的影响。研究人员指出,季节改变带来的气温升高对于广东非典疫情的消失很重要。如果气温变化也适用于COVID-19,那么广东的疫情将比浙江和湖北消失得更早。

然而,武汉封城的有效性和必要性受到了质疑,也有报道称这样的做法是否太晚。比如,有学者预测,如果不采取控制措施,武汉的疫情规模将在1月25日达到17.5万例,疫情将在4月达到高峰。另一项预测则指出在没有控制措施的情况下,疫情规模将在2月4日达到高峰,可高达19万例。值得注意的是,他们预测到在武汉大规模封城的情况下,中国其他城市也仍将经历与武汉相似的疫情增长。然而,事实并非如此。广东和浙江是受影响仅次于湖北的两个省份,仅占全国PCR确诊病例的6.6%。与武汉相比,这两个省控制措施出台相对较快。因此,相比于湖北,这两个省疫情增长放缓,说明了隔离和管控措施是有效的。

该团队通过建模分析,预测截至4月底国内疫情现存确诊病例高峰(非累计确诊数)不高于7万例,湖北不高于52000例,广东和浙江不高于1200例。截至2月底,真实的流行数据均在这项研究的预测范围内。

为了应对暴发的疫情,我国各地陆续启动一级应急响应(最高级别公共卫生响应),在全国范围内实施了管控措施。除了封锁武汉及其他邻近地区以外,还要求必须严格报告往返湖北省的情况。同时,不鼓励湖北居民返回工作地,而且即便是经过武汉的非湖北居民,也被要求进行14天的自我隔离。

2月10日,湖北省、广东省和浙江省COVID-19的确诊病例分别为31728例、1177例和1117例,钟南山院士团队选择了确诊病例数最多的这三个省份进行研究。三个省份的数据跨度略有不同,其中,浙江省和广东省的数据涵盖了从2020年1月17日(首次报告发布之日)到2020年2月9日的24天,而湖北省的数据涵盖了自2020年1月11日至2020年2月9日的30天数量。

钟南山院士团队在这项研究中强调的另一个关键点是,放缓湖北省的检疫限制将导致新的易感人群涌入,即春节后返程人员,将导致湖北省的疫情在3月11日左右出现另一个小高峰。所以,大量资源应被运至湖北省来建设新的医院和检疫中心,以改善医疗护理及减少暴露风险。以上所有的措施都可能减少传播,并有助于缓和二次高峰出现的影响。

基于早期的估测,这项研究的模型使用了7天的潜伏期。有报道指出潜伏期到症状发作的中位时间是3天,而病毒的潜伏期可以从0到24天不等。于是,研究团队测试了该模型对不同潜伏期的敏感性,结果发现较短的潜伏期会加速疫情高峰,但不会对疫情规模大小产生显著影响。

选湖北、广东和浙江三省数据建模

这项研究结果证实了1月23日起我国实施的公共卫生干预措施有效控制了疫情的发展,并提出严格的防控措施如“早期筛查”最好实施至2020年4月底。

据悉,设备将陆续交付至法国19家医院,并有望在4月底之前满负荷运行,覆盖包括巴黎、里昂、马赛、蒙彼利埃、南特、雷恩、里尔、史特拉斯堡、南希、第戎、鲁昂、图卢兹、图尔和普瓦捷等多个城市。为保证机器顺利运行,该企业紧急调派一支技术队伍前往现场装机并进行技术指导,其中包括当地工程师及从中国调配过去的工程师。

病毒核酸提取是整个样本检测过程的关键限速步骤,此次提供的高通量自动化病毒核酸提取设备MGISP-960可以满足各地医务人员和鉴定机构对于病毒检测鉴定速度、通量和安全性的要求。设备的自动化程度高,每人可以操作3台设备,通量达到192样本/80分钟,并可适配目前主流的新型冠状病毒核酸检测试剂盒(荧光PCR法),以及第三方磁珠提取试剂盒和文库构建流程。

在这项研究中,钟南山院士团队将2020年1月23日前后的人口迁徙数据,以及最新的新冠肺炎流行病学数据整合到经典传染病学预测模型(SEIR)中并得出流行曲线。此外,该团队还用基于2003年SARS的数据进行训练的人工智能(AI)方法来帮助预测这次疫情的流行趋势。

预测曲线与真实流行趋势相吻合