“见过一个流感季，就等于见过一个流感季”——俗话是这么说的。据说流感每年都变化如此之大，几乎无法预测。但在过去的六年里，美国疾病控制与预防中心一直在努力提前预测每个流感季。而他们的模型并不预测今年的流感季会轻松度过。
自 2013 年以来，美国疾控中心每年都会举办一项名为 FluSight 的比赛，比赛中，研究人员将他们的概率模型进行对比，看谁能最好地预测流感季的走向。去年的获胜模型 Dante 由洛斯阿拉莫斯国家实验室的 Dave Osthus 领导。坏消息是：“Dante 有点担心，今年的流感季将会是一个糟糕且提前高峰的季节，”Osthus 说。他解释说，这是因为到目前为止，本流感季的疾病水平比这个时期通常的水平要高。流感始于 11 月的第一周，而通常情况下，流感会在感恩节后一两周开始，Osthus 指出，“通常，当我们遇到提前高峰的季节时，它通常会是更严重的季节之一。”
听到我们现在正在预测流感，您可能会有些惊讶。这是因为美国疾控中心只在过去两三个流感季开始根据这些预测发布公众信息。“疾控中心花了几个流感季才走到这一步，因为我们想了解它们在现实时间里到底表现如何，”疾控中心流行病学家 Matthew Biggerstaff 说，他领导着 FluSight 的工作。“我们真的想要一个记录。一旦我们有了记录，并且对全国范围有了很好的了解，我们就开始发布它们了。”现在，他们甚至还在发布各州流感高峰可能出现时间的估计。
尽管如此，走到这一步历经艰辛，而且模型仍然不完美。
预测流感最大的挑战之一是，研究人员总是使用旧数据。疾控中心每周都会发布 ILI（流感样疾病）数据，这让公共卫生官员能够了解有多少人感染了流感。某些医院和诊所根据每周前来就诊并出现流感症状的人数收集这些数据，然后发送给疾控中心。但由于收集所有信息需要时间，这些数据总会滞后一到两周。预测会因为一直滞后而受到阻碍，这就是为什么许多研究人员正在研究一种称为“即时预测”（nowcasting）的方法。
这个想法是，研究人员可以检查在线搜索数据，看看有多少人正在搜索流感症状或相关内容，而不是等到看到有多少人因流感样疾病去过医生办公室。但是这些信息可能会误导。“将互联网搜索数据映射到 ILI 数据方面具有挑战性的是，我们可以看到有多少人在谷歌上搜索‘咳嗽’这个词，但我们不知道他们为什么搜索，”Osthus 解释说。“也许有人写关于感冒的书籍报告，所以这实际上并不能反映他们的健康状况。”
谷歌自己曾尝试过即时预测 很多年，但收效甚微，后来完全放弃了这个项目。Osthus 自己赢得比赛的模型完全没有使用搜索数据，尽管他另一个使用了搜索数据的附加模型获得了亚军。但这并不意味着即时预测毫无用处——Osthus 说，它并非做出准确预测的必需品，但它确实可以有所帮助。他今年的一个参赛作品 Dante+，重新引入了即时预测，希望通过一些调整能够整体上改进模型。
最终目标是能够预测流感何时何地会达到高峰，这样 每个人都能更好地做好准备。
例如：今年的潜在提前高峰。预测的最终目的是改变行为，否则它们就毫无意义。理想情况下，疾控中心希望鼓励人们尽早接种流感疫苗，并希望预测能够提高疫苗接种率。“如果我们看到预测开始变得更有信心，认为我们将会在十二月下旬迎来高峰，我们就可以告诉人们‘这是你们最后的机会了’，”Biggerstaff 解释说。目前还不清楚预测能在多大程度上促使人们接种疫苗，但通常疫苗接种率的一个驱动因素是对风险的认知——而预测可能会增加这种风险。
预测还可以帮助后勤方面。如果医院和医生办公室知道流感即将在他们所在州达到高峰，他们就可以更好地规划人员配备或订购更多物资。学校可以计划在流感高峰期关闭。制造商可以根据各州的预测来运送物资。“几乎每个流感季，我们都能看到抗病毒药物的局部短缺，这通常不是因为全国性短缺，”Biggerstaff 说。“这是因为在某些地区我们出现了局部短缺，可能是在那里流感提前达到了高峰。我们的预测越好，就越能防止这种情况发生。”
好消息是，研究人员随着每一个流感季的过去，都学会了如何更好地进行预测，这与气象学家的情况很相似。Osthus 指出，每十年，天气预报员就能准确地预测多一天。他认为流感预测正朝着相同的方向发展。缓慢、稳定的进步是关键，如果有飞跃和进步那就更好了。“尽管人们说‘见过一个流感季，就等于见过一个流感季’，但流感确实有季节性，”Osthus 说。“总有一些共性几乎一直都会出现，我们能够从中学习。”
