毎日更新する新型コロナウイルス感染症の感染予測－天気予報のデータ同化手法を応用－

スーパーコンピュータの進化にともない、複雑な自然現象・社会現象のシミュレーションが可能となっています。また、シミュレーションと観測データを統合し、より精度の高いシステムを構築する「データ同化」と呼ばれる手法も発達してきました。データ同化は、天気予報をはじめさまざまな分野のシミュレーションに応用されていますが、これまで感染症の予測に応用された事例は限られていました。

今回、R-CCSデータ同化研究チームの三好チームリーダーらは、天気予報で使われる高度なデータ同化の手法をCOVID-19の感染予測に取り入れ、4つのシナリオ別の感染予測をチームウェブサイトで公開しました。

感染症の予測には、実効再生産数（1人の感染者が感染させた人の数）を使った「SIRモデル」と呼ばれるモデルが代表的です。三好チームリーダーらは、まずSIRモデルを元にCOVID-19の特徴をとらえた「拡張SIRモデル」を構築しました。さらに天気予報で使われる高度なデータ同化の手法を適用し、数理モデルと実測データを結び付けた感染予測を実現しました。

4つのシナリオは、過去3回の緊急事態宣言等の抑制効果に基づいたシナリオと、抑制効果のないシナリオです。全国の感染状況が、1回目、2回目、もしくは3回目の緊急事態宣言と同じ抑制効果をもって抑えられた場合の感染予測と、全く抑制効果のない状況を仮定した場合の感染予測です。この方法により、感染抑制効果が今後の推移に与える影響をイメージしやすくなります。

今後、より精緻な数理モデルを開発し、それと実測データを最適に結びつけるデータ同化をもちいることで、感染抑制効果の分析や感染抑制策の提案など感染対策に役立てられると期待されます。