สุดแปลกกลุ่มนักวิทยาศาสตร์ไทยจาก 3 มหาวิทยาลัย รวมตัวทำงานวิจัยคาดการณ์แนวโน้มการติดเชื้อโควิด-19 ด้วยทฤษฎีทางฟิสิกส์ที่ใช้อธิบายการเปลี่ยนสถานะสสารในระดับควอนตัม
จากการระบาดของไวรัสโควิด-19 ที่หลายประเทศเริ่มควบคุมไม่ได้ รศ.ดร.พงษ์พิชิต จันทร์นุ้ย นักวิจัยกลุ่มวิจัยทางวิทยาศาสตร์ประยุกต์ เชิงคำนวณและทฤษฎี พร้อมด้วย ผศ.ดร.อภิรักษ์ พยัคฆา ดร.พรรณศิริ ดำโอ ดร.พิมพ์ชนก พิมพ์ทนต์ อาจารย์ประจำสำนักวิชาวิทยาศาสตร์ และ ผศ.ดร.ผานิตย์ คุ้มฮิ้น สำนักวิชาแพทย์ศาสตร์ มหาวิทยาลัยวลัยลักษณ์ สืบค้นข้อมูลในการคาดการจำนวนผู้ติดเชื้อสะสม พบว่า โมเดลโลจิสติก (logistic model) ถูกนำมาใช้ในการคาดการณ์ดังกล่าว
“เมื่อจำนวนผู้ติดเชื้อค่อยๆ เพิ่มขึ้นจนถึงตัวเลขหนึ่ง ในที่นี้อยู่ที่ราวๆ 100 คน จำนวนการติดเชื้อสะสมจะเพิ่มขึ้นแบบเอ็กซ์โพเนนเชียล (exponential) หรือเพิ่มขึ้นอย่างรวดเร็วในเวลาอันสั้น มีการใช้โมเดลโลจิสติกอย่างกว้างขวาง โดยลักษณะการเพิ่มจำนวนของโมเดลนี้จะคล้ายรูปตัว S แต่บทความวิชาการบางส่วนระบุว่า การคาดการณ์ด้วยโลจิตฟังก์ชันอาจจะน้อยกว่าความเป็นจริง”
ทีมนักวิจัยที่ ม.วลัยลักษณ์ ช่วยกันดึงข้อมูลจากองค์การอนามัยโลกระหว่างวันที่ 21 ม.ค.-21มี.ค.63 เพื่อนำมาวิเคราะห์ ซึ่งต้องทำงานแข่งกับเวลา เพราะหากล่าช้าข้อมูลก็จะไม่ทันต่อเหตุการณ์ โดยได้รับความร่วมมือจาก ถกล ตั้งผาติ นักศึกษาปริญญาเอกสาขาฟิสิกส์ จากจุฬาลงกรณ์มหาวิทยาลัย ช่วยวิเคราะห์ข้อมูลเบื้องต้น
รศ.ดร.พงษ์พิชิต และ ดร.ดริศ สามารถ จากกลุ่มวิจัยขอนแก่นทฤษฎีอนุภาคและจักรวาลวิทยา สาขาวิชาฟิสิกส์ คณะวิทยาศาสตร์ มหาวิทยาลัยขอนแก่น ซึ่งเคยร่วมวิจัยกันในเรื่อง “รีนอร์มอไลเซชันกรุ๊ป” (Renormalization Group) หรือ RG และได้นำรูปแบบคณิตศาสตร์ในฟิสิกส์นี้ มาใช้คาดการแนวโน้มผู้ติดโควิด-19 สะสม โดยพบการเปลี่ยนแปลงที่ตรงกับโมเดลคาดการติดเชื้อที่นิยมใช้กัน
ทีมวิจัยพบว่า ทฤษฎีทางฟิสิกส์ที่ใช้อธิบายการเปลี่ยนสถานะของสสารในระดับควอนตัมสามารถใช้อธิบายอัตราการเพิ่มขึ้นของคนติดเชื้อโควิด-19 ได้ดี จากนั้น ดร.ชาคริต พงษ์กิติวณิชกุล เพื่อนร่วมงานในกลุ่มวิจัยเดียวกันจากสาขาวิชาฟิสิกส์ มข. ผู้เชี่ยวชาญการจัดทำข้อมูลเชิงสถิติ เข้ามาช่วยเหลือในการตรวจสอบผลและการให้ความหมายข้อมูล และวิเคราะห์ข้อมูลในรายละเอียดเพิ่มเติม
“จริงๆ แล้วมีตัวแปรที่เกี่ยวข้องเยอะมากๆ เราจึงเลือกศึกษาการแพร่ระบาดของโควิด-19 ในเชิงอุดมคติ เพื่อความง่ายและให้เห็นภาพรวมก่อน เราเลือกที่จะศึกษาระบบอย่างง่ายสุดคือเป็นการแพร่ระบาดในอุดมคติ เพราะอาจมีตัวแปรอื่นที่ไม่มีในโลจิสติกฟังก์ชันด้วย RG ยังสามารถอธิบายได้ว่า ถ้าเกิดมีการแพร่หรือติดเชื้อขึ้นสุดท้ายอัตราการแพร่เชื้อจะคงที่เมื่อเวลาผ่านไปนานพอสมควร” อย่างไรก็ตามยังมีปัจจัยภายนอกที่เรายังควบคุมไม่ได้อีกมากมาย เช่น มาตรการจากภาครัฐ
ดร.ชาคริต อธิบายถึงการวิเคราะห์โดยแบ่งกลุ่มประเทศที่ศึกษาออกเป็น 2 กลุ่ม คือ กลุ่มประเทศที่อัตราการเพิ่มผู้ติดเชื้อต่อวันชะลอตัว ได้แก่ จีน เกาหลี ออสเตรีย เบลเยียม ญี่ปุ่นและนอร์เวย์ ซึ่งสามารถคาดการณ์ตัวเลขผู้ติดเชื้อได้ค่อนข้างแม่นยำ กับกลุ่มประเทศที่อัตราการติดเชื้อยังไม่ชะลอตัว ได้แก่ อิตาลี สเปน ฝรั่งเศส เยอรมนี และสวิตเซอร์แลนด์ จึงบอกแนวโน้มได้ค่อนข้างยาก และยังมีปัจจัยอื่นๆ อย่างการรายงานจำนวนผู้ติดเชื้อที่อาจมีความคลาดเคลื่อนร่วมด้วย
“เราหาค่าตัวแปรที่ทำให้ข้อมูลสอดคล้องกับสมการได้มากที่สุด ผลก็คือสำหรับประเทศที่การระบาดเริ่มชะลอตัวลงแล้ว เราใช้สมการนี้ทำนายผลของค่าสูงสุดของจำนวนผู้ติดเชื้อได้ ทั้งสมการของเราและวิธีปกติให้ผลที่ใกล้เคียงกัน แต่สมการของเราสอดคล้องกับข้อมูลได้มากกว่า เพราะสมการที่ใช้สามารถอธิบายความไม่สมมาตรในการแพร่เชื้อได้ด้วย เช่น ในเกาหลี การระบาดแรกๆ มีการควบคุมได้น้อยมาก ในขณะที่ช่วงหลัง เกาหลีสามารถควบคุมการแพร่ได้ดี สมการที่ใช้สามารถวัดตรงนี้ได้” ดร.ชาคริต อธิบาย
ดร.ชาคริตระบุว่า ประเทศส่วนใหญ่อยู่ในสถานะอัตราการติดเชื้อเพิ่มขึ้นจะทำนายจำนวนผู้ติดเชื้อสูงสุดได้ไม่แม่นยำ เนื่องจากมีความไม่แน่นอนสูง โดยทั้งไทยและสหรัฐฯ อยู่ในกลุ่มประเทศที่การติดเชื้อมีอัตราเพิ่มขึ้น ประเทศไทยจะต้องรอจนกว่าการติดเชื้อชะลอตัวจึงจะทำนายการติดเชื้อสูงสุดได้แม่นยำขึ้น สหรัฐฯและอังกฤษ น่าห่วงเพราะจำนวนผู้ติดเชื้อยังเพิ่มขึ้นได้อีกมาก
“น่าสนใจว่ากรณีสหรัฐฯ นั้นไม่สามารถอธิบายด้วยโมเดลใดได้เลย ซึ่งสันนิษฐานว่าเพราะการรายงานจำนวนผู้ติดเชื้อในช่วงแรกต่ำกว่าความเป็นจริง และอีกประเทศที่แปลก คือ อิหร่านที่มีกราฟเป็นเส้นตรง ต่างจากประเทศอื่นๆ ที่มีแนวโน้มเป็นเอ็กซ์โพเนนเชียล จึงคาดว่า อาจมีจำนวนผู้ติดเชื้อที่ยังไม่เปิดเผยอีกจำนวนมาก” ดร.ชาคริต ระบุ
การศึกษานี้เป็นงานวิจัยทางเลือกสำหรับการคาดการณ์จำนวนผู้ติดเชื้อสูงสุด และยังแสดงให้เห็นว่างานวิจัยทางด้านฟิสิกส์นำไปใช้วิเคราะห์การระบาดของโรคทางการแพทย์ได้ ข้อมูลที่มีจำนวนมากพอและแม่นยำสามารถนำไปพยากรณ์สิ่งที่จะเกิดและนำไปสู่การป้องกันและแก้ไขได้ด้วย อย่างไรก็ตาม การใช้แบบจำลองเพื่อคาดการณ์จำนวนผู้ติดเชื้อโควิด-19 บอกได้แค่แนวโน้ม แต่ตัวแปรที่สำคัญคือมาตรการปิดเมือง (lockdown) และมาตรการเว้นระยะห่างทางสังคม (social distancing) มีความจำเป็นอย่างยิ่ง
สำหรับต้นฉบับของงานวิจัยชิ้นนี้อยู่ในระหว่างการพิจารณาให้ตีพิมพ์ในวารสารทางวิชาการอยู่และสามารถอ่านได้ที่
https://www.medrxiv.org/content/10.1101/2020.03.28.20044339v1
