คงมีหลายๆคน เริ่มตั้งคำถามถึงการลดระดับมาตรการควบคุมการระบาดของโรค COVID-19 เสียที ในเมื่อจำนวนผู้ป่วยที่ตรวจพบได้ในประเทศไทยก็ลดลงๆเรื่อยๆ การที่จะมานั่ง Social Distancing ไปเรื่อยๆก็คงจะเบื่อ อีกทั้งการประกอบอาชีพต่างๆ ก็ไม่ถนัดเอาซะเลย จะพาลทำให้เศรษฐกิจยิ่งแย่เข้าไปเรื่อยๆอีกด้วย
ในต่างประเทศนั้นก็มีคำถามเช่นนี้เกิดขึ้นเหมือนกัน เพื่อหาคำตอบ นักวิจัยจึงได้ใช้แบบจำลองทางคณิตศาสตร์มาจำลองพฤติกรรมการระบาดของโรคอีกครั้งเพื่อหาคำตอบว่าเราควรจะลดระดับมาตรการควบคุมการระบาดของโรคได้เมื่อไหร่ เนื่องจากการคำนวณจะซับซ้อนมากยิ่งขึ้น ดังนั้นพระเอกของเราครั้งนี้นอกจากแบบจำลองที่นิยมใช้กันมากอย่างแบบจำลอง SEIR แล้ว งานนี้ปัญญาประดิษฐ์อย่าง Machine Learning ก็ได้ถูกนำมาใช้ด้วย
งานแรกมาจากกลุ่มนักวิจัยจากมหาวิทยาลัยเคมบริดจ์และ MIT [1] ได้ใช้ระบบ neural network และสถิติจำนวนผู้ป่วยด้วยโรค COVID-19 ในแต่ละภูมิภาคเพื่อฝึกให้ปัญญาประดิษฐ์ทำนายการระบาดของโรค โดยนิยามค่าพารามิเตอร์ค่าหนึ่งขึ้นมาแทนระดับความเข้มงวดในการควบคุมโรค, Q(t) ผลของการคำนวณพบว่าระดับความเข้มงวดในการควบคุมนั้นมีผลอย่างยิ่งต่อการจำกัดและลดการระบาดของโรค ยิ่งไปกว่านั้นแล้วยังทำนายล่วงหน้าไว้อีกว่าหากสหรัฐอเมริกาไม่ยกระดับการควบคุมโรคให้มากขึ้นไปกว่านี้แล้ว จำนวนผู้ป่วยจะเพิ่มขึ้นถึง 1 ล้านคนภายในกลางเดือนเมษายน โดยการคำนวณทำขึ้นตั้งแต่ 6 เม.ย. 2563 ขณะนั้น จำนวนผู้ป่วยด้วยโรค COVID-19 ในสหรัฐอเมริกามีจำนวนประมาณ 600,000 ราย ขณะที่เขียนบทความฉบับนี้ จำนวนผู้ป่วยด้วยโรค COVID-19 ในสหรัฐอเมริกามีจำนวนมากกว่า 800,000 รายแล้ว ณ วันที่ 24 เม.ย. 2563 โดยนับจากวันที่ผลการวิจัยทำนายไว้ สหรัฐได้ยกระดับมาตรการการควบคุมโรคขึ้นเรื่อยๆ)
งานคำนวณชิ้นต่อไปมาจากมหาวิทยาลัยแห่งฮ่องกง [2] ได้ใช้แบบจำลอง SEIR ทำนายการระบาดของโรค COVID-19 ในเมืองต่างๆ ของประเทศจีน ทั้งยังชี้ให้เห็นผลของการลดระดับความเข้มงวดในการควบคุมโรคภายหลังจากการระบาดครั้งแรก (First-wave) ได้ผ่านพ้นไปแล้ว สามารถทำให้เกิดการระบาดรอบใหม่ (Second-wave) ได้ แม้ว่าการใช้มาตรการการควบคุมโรคอย่างเข้มงวดจะทำให้ค่าการแพร่กระจายเชื้อ (instantaneous reproduction number, Rt) ลดลงจนต่ำกว่า 1 ได้แล้ว (หมายความว่ายิ่งเวลาผ่านไป จำนวนผู้ป่วยที่พบแต่ละวันจะค่อยๆลดลง) แต่ถ้าลดระดับความเข้มงวดในการควบคุมโรคขึ้นมาจริงๆ จำนวนผู้ป่วยจากโรค COVID-19 ก็สามารถพุ่งทะยานขึ้นมาใหม่ได้
ปิดท้ายด้วยงานวิจัยจากมหาวิทยาลัยฮาร์วาร์ด [3] ได้สร้างแบบจำลองการระบาดของโรค COVID-19 โดยดูผลของการระบาดที่ขึ้นกับฤดูกาล และศึกษาเทียบกับการระบาดของไวรัสโคโรน่าสกุลอื่นๆ อีก 2 ตัวคือ HCoV-OC43 และ HCoV-HKU1 ซึ่งเป็นหนึ่งในไวรัสหลักของไข้หวัดใหญ่ที่ระบาดตามฤดูกาล ผลการคำนวณพบว่าภายหลังจากการระบาดครั้งใหญ่ของโรค COVID-19 ผ่านไปแล้ว โรค COVID-19 สามารถระบาดขึ้นอีกในฤดูกาลใดๆก็ได้
อย่างไรก็ตามในฤดูร้อนมีแนวโน้มว่าโรค COVID-19 จะมีการระบาดที่น้อยกว่าฤดูอื่นๆ โดยหากผู้ป่วยด้วยโรคนี้หลังจากหายแล้วมีภูมิคุ้มกันโรค แต่ภูมิคุ้มกันนี้ไม่คงอยู่ตลอดไป โรค COVID-19 จะกลายเป็นโรคระบาดถาวรของมนุษยชาติต่อไป แต่ถ้าภูมิคุ้มกันโรคเมื่อเกิดขึ้นแล้วค่อนข้างเสถียร โรค COVID-19 จะหายไปภายในระยะเวลา 5 ปี งานวิจัยนี้ยังเสนอแนะให้มีการทำ Social Distancing ไปอีกอย่างต่ำ 2 ปีเพื่อยืดระยะเวลาที่ โรค COVID-19 จะระบาดอย่างรุนแรงออกไปและลดจำนวนผู้ป่วยลงให้ได้จนระบบสาธารณสุขของประเทศนั้นๆ สามารถพัฒนามากขึ้นจนรองรับจำนวนผู้ป่วยได้ เพื่อลดอัตราการเสียชีวิตให้น้อยที่สุด หรือจนกว่าที่เราจะสามารถสร้างวัคซีนที่คุมการระบาดของ โรค COVID-19 ได้
กล่าวโดยสรุป การจะตัดสินใจลดระดับมาตรการควบคุมการระบาดของโรค COVID-19 ได้นั้นจะต้องพิจารณาปัจจัยหลากหลายด้านอย่างมาก โดยเฉพาะอย่างยิ่งการคาดการณ์จำนวนผู้ป่วยที่จะเกิดขึ้นไม่ให้เกินไปกว่าความสามารถในการรองรับคนไข้ของระบบสาธารณสุขของเรา แบบจำลองทางคณิตศาสตร์เป็นเครื่องมือสำคัญที่จะช่วยให้เกิดการตัดสินใจเหล่านี้ได้อย่างถูกต้องและทำให้เกิดความสมดุลระหว่างมาตรการการลดระดับการควบคุมโรค COVID-19 และการพัฒนาขีดความสามารถทางด้านสาธารณสุขของเราให้ดำเนินไปอย่างสอดคล้องกัน ทั้งนี้เพื่อให้เกิดการสูญเสียชีวิตจากการระบาดของโรคครั้งนี้ให้น้อยที่สุด เพราะไม่มีใครอยากสูญเสียคนที่คุณรักไปด้วยโรค COVID-19 เป็นแน่
****************************************************
ผู้เขียน: ดร.วุฒิไกร บุษยาพร
References
[1] R. Dandekar and G. Barbastathis, Quantifying the effect of quarantine control in COVID-19 infectious spread using machine learning, medRxiv preprint, April 6 (2020), DOI: https://doi.org/10.1101/2020.04.03.20052084.
[2] K. Leung, et al. First-wave COVID-19 transmissibility and severity in China outside Hubei after control measures, and second-wave scenario planning: a modelling impact assessment, The LANCET 395, 10233, p1382-1393, April 25 (2020), DOI: https://doi.org/10.1016/S0140-6736(20)30746-7.
[3] S. M. Kissler, et al. Projection the transmission dynamics of SARS-CoV-2 through the postpandemic period, Science 10.1126/science.abb5793, April 14 (2020), DOI: 10.1126/science.abb5793.
*****************************************
ติดตามความรู้ทางวิทยาศาสตร์สมัยใหม่ เพื่อการพัฒนาธุรกิจและคุณภาพชีวิต
อย่าลืม กด Like หรือ See First เพจนี้ไว้นะครับ
และเรายังมีวิดีโอ กับเนื้อหาดีๆ อีกมากมายรออยู่
อย่าลืมกด Subscribe Channel ของเราที่
https://www.youtube.com/user/SLRIpr?sub_confirmation=1
สาระและวิทยาศาสตร์สนุกๆ จะปลุกความรู้ให้ชีวิต
******************************************
ติดต่อขอใช้บริการได้ที่ ซินโครตรอนไทยแลนด์ เซ็นทรัลแล็บ
Synchrotron Thailand Central Lab
โทร. 044-217040 ต่อ 1602-5
โดย สถาบันวิจัยแสงซินโครตรอน (องค์การมหาชน)
Synchrotron Light Research Institute (Public Organization)