トップページ  >  研究活動  >  研究成果 ピックアップ  >  新型コロナウイルスの感染拡大を抑制する条件をシミュレーションにより推定 ~「富岳」による新型コロナウイルス対策その5

新型コロナウイルスの感染拡大を抑制する条件をシミュレーションにより推定 ~「富岳」による新型コロナウイルス対策その5

離散事象シミュレーション研究チーム チームリーダー 伊藤伸泰

今回は、離散事象シミュレーション研究チームをはじめとする共同グループによるスーパーコンピュータ「富岳」を使った「パンデミック現象および対策のシミュレーション解析」を紹介します。これは、新型コロナウイルスが、感染者の潜伏期間中や無症状感染者により、どのように拡散するかをシミュレーションすることで、有効な感染防止対策を評価、推定しようというものです(2020年11月取材)。

(代表者:理化学研究所 計算科学研究センター 離散事象シミュレーション研究チーム チームリーダー 伊藤伸泰)

「感染モデル」を使って感染拡大の様子をシミュレーション

世界中で新型コロナウイルス感染症(COVID-19)の拡大に歯止めがかからない状態が続いています。新型コロナウイルスの怖いところは、まず、感染しても潜伏期間が平均5~6日もあり、その間にほかの人を感染させる危険性があることです。また、症状が出ない無症状者も少なくありません。無症状者の場合、自分では気づかぬうちに、周囲の人を感染させている可能性があります。つまり、現在、感染が確認されたら隔離することで、新たな感染者を出さないよう措置を講じているものの、隔離以前に感染させている可能性があるわけです。

そこで、離散事象シミュレーション研究チームをはじめとする共同グループでは、「感染モデル」(図1)を構築し、さまざまな条件の下、感染拡大の様子を「富岳」を使ってシミュレーションすることにしました。
 
感染モデルでは、モデルエージェントからなる社会を想定しています。モデルエージェントとは、与えられた規則に従って行動や状態を自律的に決める要素のことで、ここでは「人」の健康・感染状態をモデル化しています。

モデルエージェントには、「潜伏期間」や「感染から発症までの間隔」、「無症状感染者の割合」など複数のパラメータ(変数)を入力することができます。これらの値は、実際の新型コロナウイルスの感染・発症の臨床データを基に推定することができます。データを入力することで、現状に即したシミュレーションが可能となります。
一方で、「回復後に免疫が持続する期間」など臨床データが少なく、十分な推定ができないパラメータもあります。これらに関しては、色々な値を入れてシミュレーションし、その結果を現状と比較・検討することで、分析して理解を深めたり、シミュレーションの精度を高めたりできます。

感染モデルではモデルエージェントからなる社会を想定。モデルエージェントには「潜伏期間」や「発症間隔」、「無症状感染者の割合」など複数のパラメータ(変数)を入力することができる。 出典:伊藤伸泰(理化学研究所)

「再生産数」を小さくすることが感染拡大を抑えるのに不可欠

今後、新型コロナウイルスの感染が、拡大するか収束するかを予測する際に、最も重要な判断基準として、「再生産数」があります。これは、「1人の感染者が、何人の未感染者を感染させるか」の平均値です。この値が1よりも大きければ感染は拡大し、1よりも小さければ収束します。この再生産数を1よりも小さく抑えることが、感染拡大を抑えるために不可欠です。

再生産数は、感染者数の変化から推定できます。ある感染防止対策を導入したときに、その後、再生産数が減っていれば、その感染防止対策は有効だったといえます。現在、感染防止対策として推奨されているマスク・消毒・手洗いを徹底する、換気をよくする、在宅勤務を取り入れる、外食を減らすなどは、いずれも再生産数を下げる手段です。

実際、再生産数の違いにより、どれくらい感染が拡大するかを、「富岳」を使い、感染モデルを用いてシミュレーションしてみました(図2)。
具体的には、1000人規模の集団において、まず、再生産数が2.5の場合でシミュレーションしました。最初の感染者は1人のみとし、集団の中で濃厚接触を繰り返しました。また、発症者は隔離し、さらなる感染はさせないものとしました。それにより、感染者数がどのように変化するかをみてみました。

その結果、最初の感染者から感染が始まり、潜伏期間中の人や無症状感染者により感染が拡大していき、18日目頃にピークを迎えました。そのとき、約60%が感染中であり、約20%が発症したため、隔離しました。最終的にはすべての人が感染して40日目頃に収束しました。

次に、再生産数が1の場合についてもシミュレーションしたところ、感染者数は最大でも10~20%に留まることがわかりました。

これらからも再生産数によって、感染者数の変化の様子が大きく変わることが実感されるでしょう。

横軸が「再生産数」、縦軸が「1つの集団の中で感染者数の割合が最大どれくらいまで増えるかの割合」。再生産数が2〜2.5では、7〜8割が陽性になる。0.6より小さいときは、感染はほぼ0になることが確認された。 出典:伊藤伸泰(理化学研究所)

一方で、再生産数が0.6よりも大きい場合は、1より小さくとも感染クラスターが発生してしまうことが予測されました。発生した集団に限るとそれなりの感染者数が発生してしまいますので、感染のリスクが目に見える形に顕在化するわけです。再生産数が0.6よりも小さい場合は、感染クラスターの発生はまれでした。

さらに、再生産数が1よりもずっと大きい場合は、1つの集団にいる感染者が、感染クラスターを発生させると同時に、別の集団の感染を引き起こすという連鎖反応が起こり、感染者数が激増することも確認されました。これは全国レベルでの人の移動に伴い、感染が全国各地に飛び火し拡大することに相当します。

接触追跡アプリケーションの効果を確認

次に、感染モデルを使って、「接触追跡アプリケーション」の効果を確認することにしました。現在、厚生労働省が提供している接触追跡アプリケーションに、「COCOA(ココア)」があります。これは、スマートフォン(スマホ)にCOCOAをインストールしておくことで、近くにいる人のCOCOAをインストールしたスマホを記録できるというサービスです(互いのスマホ同士の記録で、持ち主の個人情報や接触した場所は伝わりません)。

COCOAをインストールしたスマホの所有者は、自分が新型コロナウイルスに感染したとわかった時点で、自分と接触し、感染した恐れがある人のスマホに、アラートを送ります。それにより、潜伏期間中の人や無症状感染者の数を減らし、感染拡大を抑えようというわけです。

感染モデルにおいて、各モデルエージェントがCOCOAをインストールしたスマホをもっている場合の感染拡大に関するシミュレーション結果は図3の通りです。この結果からは、感染者が「陽性」と判定されてから、即座にアラートを送れば、新たな感染者数が大幅に抑えられるのに対し、送るまでの日数がかかればかかるほど、新たな感染者数が大幅に増えることがわかりました。接触追跡アプリケーションはより多くの人が利用すると同時に、感染したら即座にアラートを送ることが、再生産数を低く抑える上で有効であると言えるでしょう。

ここでは、まず1000人の集団内において、0日目に感染した直後の人が1人、未感染者が999人と設定。また、再生産数は2.5、感染者は1日に4回、未感染者と濃厚接触するものとした。そして、発症し「陽性」と判定されてから2週間以内に、接触した人に対してアラートを送り、アラートを受けた人は他の人との接触を2週間控えることとした。その上で、感染後に発症した感染者がアラートを送るまでの日数によって、感染者数がどれくらい変わるかを確認した。その結果、感染者が「陽性」と判定されてから、即座(0.9日後)にアラートを送れば、新たな感染者数は大幅に抑えられるのに対し、アラートを送るまでの日数がかかればかかるほど、新たな感染者数は急速に増えることがわかった。 出典:伊藤伸泰(理化学研究所)

社会経済活動の抑止による影響をシミュレーション

さらに感染シミュレーションに加えて、社会経済活動への影響も検証するために、兵庫県立大学准教授で離散事象シミュレーション研究チームの客員研究員でもある井上寛康さんと協力し、経済シミュレーションも行いました。

具体的には、新型コロナウイルスの感染拡大に伴う経済活動の抑止による企業間取引や売り上げへの影響を、国内150万社の企業間取引データに基づき、企業の生産量・取引高をサプライチェーンネットワーク上でミュレートするモデルを使って検証しました(図4)。それにより、全国の企業が経済活動を2カ月間自粛することで、GDPを最大7.8%押し下げるという結果を得ました。

今回は、都道府県別にシミュレーションしましたが、今後は市区町村別や業種別など、より細かくシミュレーションしていく計画です。

東京地区をロックダウンした場合に各地の企業活動がどのような影響を受けるかをシミュレーションした。左が1日目、右が14日目。東京地区をロックダウンしただけで、サプライチェーンにより、その影響が急速に全国各地に広がっていくことが確認された。 出典:井上寛康(兵庫県立大学)

「富岳」の計算性能を生かしさまざまな条件でシミュレーション

新型コロナウイルスの感染拡大の要因については、感染経路なども含め、不明な点が非常に多いことから、予想しうる可能性をできる限り検証することが求められます。その点において、「富岳」は、一定の時間内に、何百通りものシミュレーションを実行できるため、シミュレーション結果と、現状を比較・検討することで、実際にどのようなことが起こっているのかを推定するヒントになり、より有効性の高い対策を立てられるようになると期待されます。

今回は、1つの集団における感染クラスターについてシミュレーションしましたが、今後は、複数の集団間の移動を想定したシミュレーションを実行する計画です。そのためには、コンピュータ「京」の約100倍の計算性能をもつ「富岳」の威力が発揮されるものと期待しています。

また、「富岳」は、人工知能による分析も得意としています。そのため、今後、感染シミュレーション結果の分析に深層学習などの人工知能の活用も検討しています。それにより、人力だけに頼った分析だけでは見えてこない新たな発見があるかも知れません。

離散事象シミュレーション研究チームをはじめとする共同グループでは、未来社会に向け、世の中のすべての人々の幸福度向上を目標に、「富岳」などスーパーコンピュータの活用を通して、社会的課題を解決する取り組みを行っています。今回紹介した感染シミュレーション、経済シミュレーションも、その一環です。1日も早い新型コロナウイルスの収束と経済活動の回復に向け、引き続き、有効な解決策を探っていきます。

関連リンク

(2021年9月1日)