一项基于智能数据模型的新研究揭示，增加对弱势社群的疫苗接种投入，是实现为社会最大健康利益的有效途径。
要想同时提升有限疫苗资源的社会效用和公平性，政府应将更多的疫苗优先分配给最弱势的社群——即使这类人士对疫苗表现出更强烈的犹豫。由香港科技大学（科大）和科大(广州)的许彬教授、芝加哥大学的James EVANS教授和清华大学的李勇教授共同领导的国际研究团队，设计了能准确预测美国都会区新型冠状病毒案例曲线的传染病模型，并基于该模型揭示了在复杂的流行病环境中平衡多种伦理价值的关键。
传统流行病模型往往对人群混合模式做出了很强的假设，认为一个地理区域内的所有人均匀混合，从而有相同的机率感染病毒并传给他人。这与新型冠状病毒疫情中的情形显然不相符。有见及此，研究团队设计了一个会考虑出行行为和人口属性差异的流行病模型，以捕捉不同小区面临不同疫情风险的程度。出行数据和人口结构在小区层面的整合，使团队能够更真实地描述不同人群的混合方式。例如，在新型冠状病毒疫情中，低收入家庭的情况会更糟，因为他们为了生计必须维持原来的小区流动水平，这使他们面临更大的风险。因此，与许多可以在家工作的白领相比，他们有更大的机率感染和传播病毒，这也使他们成为接种疫苗、阻断疫情传播的关键群体。
研究得到两个关键结果：首先，它强调在设计疫苗分配政策时，应将出行行为和人口属性同时纳入考虑。大多数现有的疫苗接种计划仅基于年龄或年龄与职业的组合来设计；美国部分地区采用一个社会脆弱性指数来指导疫苗的分配先后次序。尽管如此，它仍无法捕获出行行为导致的传播和暴露于新型冠状病毒的不同可能性。相比之下，该研究提出的模型显著提高了疫苗分配策略的针对性，透过分配疫苗给最弱势的群体，有限的疫苗资源便能被充分利用，实现社会的最大福祉。研究团队还指出，他们的智能模型仅使用粗粒度的聚合出行数据，从而消除了个人私隐泄露的担忧。事实上，许多优秀的聚合数据源可被用于构建流行病模型，而不必担心私隐或其他问题。
第二个主要结论是：应大幅增加弱势社群的疫苗接种预算。这不仅用于增加疫苗在小区中的可及性，也应充分考虑疫苗可能浪费的风险，因为在那些由于历史原因而对疫苗怀有较大不信任的人群中，接种疫苗的速度可能不会那么快。尽管如此，在这些人群中提供更多的疫苗接种支持，对保护社会中其他人的健康仍然大有帮助。研究证明，即使最弱势社群对疫苗的犹豫是富裕社群的五倍，溢出的保护效应仍然存在。
科大新兴跨学科领域讲座教授兼科大（广州）计算媒体与艺术讲座教授许彬说：「流行病不仅威胁着整个社会，而且加剧了可能撕裂社会的不平等，因为弱势社群在减少高风险接触和寻求医疗服务方面面临更多障碍。在医疗资源稀缺的情况下，如何明智地分配资源至关重要，以最大程度提升全社会的福祉。我们的研究提出了一种利用智能数据改进疫苗分发决策的可行方法。希望从新型冠状病毒 大流行中积累的数据和经验教训可以令我们更好地为未来的挑战做好准备。」
是项研究最近已于学术期刊《自然·人类行为》发表。
