武漢肺炎–––如何推測源頭地區的患病人數?

英國倫敦帝國學院包括Ferguson教授在內的科學家於上周五1月17日以及本周三1月22日，發表報告#推測中國這一波新型冠狀病毒（2019-nCoV）在武漢的大概數字。究竟他們是怎樣從海外確診病例推敲源頭國家的患病數字呢？讓我們一起看看他們的計算方程式吧！ 

兩篇的報告都用同樣的方程式，就讓我們用他們的第一篇報告數字吧。

他們的報告估計武漢有約總共1723宗2019-nCoV 在1月12日或以前發病 （此日期也是當時為止武漢當局最後通報有關病例的時間），根據1月16日公布的數據作推論。當時武漢有41宗確診數字（包括兩宗死亡），3宗海外確診數字（泰國2個，日本1個）

他們的推測是基於以下的假設： 
1.武漢國際機場涵蓋了1千9百萬的流域人口 
2.從被感染到被檢測出病毒，需要平均10天的時間。這包括5到6天的潛伏期，和4到5天的病發到病毒發現/住院治療期。（在泰國和日本的病例分別是病發後3天和7天才住院治療。） 
3.武漢國際機場之前兩個月平均每天有3301個國際旅客。

計算方程式： 
病例總數=海外被檢測到的數字/海外可以被檢測得到的機率(p)

而海外可以被檢測得到的機率(p)又可以從以下的方法得出：
p= 國際旅客的出遊機率（以每天計）x病毒被檢測得到的平均時間

國際旅客的出遊機率（以每天計）又可以從以下的方法得出： 
從武漢國際機場出遊的國際旅客/武漢國際機場所涵蓋的流域人口

把假設的數字代入以上的方程式， 
病例總數=3/（（3301/19000000）x10)

所以經過計算以後，到1月12日為止武漢病例總數大概有1727人（數字與文章公布的有一點差異，可能是小數點乘除所造成的）。以統計學的95%估計區間計算，患了新型肺炎的患病人數最少427宗，最多4471宗。

也許再過一段日子，我們會想試一試用這個方法推算然後對比中國國內公布的官方數字。但計算之前，不要忘記想想其時海外輸出的病例是否仍只局限於武漢 ？有關地區當局有否因為防止病毒的擴散而實施了出入境的限制，使得國際旅客的數字明顯比一般情況少多了？這些問題突出了以上公式的適用性，就是它只適用於當源頭地區政府還沒有意識到疫情的嚴重而採取相關的措施，使用海外病例數字就能夠大概估算得到源頭地區的得病數字。

文章也提到一些因素影響所得到的數字的增加或減少，在這裡我就不多論述了， 有興趣的朋友可以點擊以下網頁#親自查看。

#若要詳細閱讀兩篇報告，請前往以下網址(1月22日封存的網頁）
 https://web.archive.org/web/20200123095105/http://www.imperial.ac.uk/mrc-global-infectious-disease-analysis/news--wuhan-coronavirus/

口氣測病症

現代西方醫學一般用來診斷病人的樣本通常來自病人的活體組織或血液，都是屬於創傷性的。本篇文章就跟讀者分享英國劍橋一個成立快四年的初創公司 –––Owlstone Medical，所發展的一種非創傷性取樣及診斷方式，就是用病人呼出的口氣來作診斷。

爲什麼口氣可以用來作診斷呢？口氣本身含有超過一千種揮發性有機化合物(volatile organic compounds,VOC)，這些氣體粒子源自人身體本身(內生VOC，endogenous VOC)以及來自進入人體的外來物質例如食物、藥品和所暴露的外在環境。內生VOC是身體新陳代謝的最終產物，經由血液進入呼吸系統（這些氣體化合物經血液流到肺部的效率跟氧氣和二氧化碳在血液和肺部之間的流動效率一樣強），呼出的口氣因此含有充分反映身體新陳代謝的VOCs(即氣化代謝物) ，也含有腸道微生物菌群所釋放的VOC。血液通常用大概一分鐘走遍整個循環系統，所以通過收集一分鐘或以上所呼出的口氣樣本，就算是口氣裡最微量的系統性VOC也能被濃縮、收集和分析。

疾病影響人體的代謝，不同的疾病對人體代謝有不同的影響，會產生跟正常人體情況下不同的VOCs，以及其組合比例。通過分別收集正常人和病人口氣中的氣化代謝物，分析成分和比例，再加以對比和統計，就能得出所研究的疾病所特有的VOC組合。

簡單來說，口氣中獨特的VOC成分和組合其實就是一種生物標記(Biomarker)，標籤每一種疾病。從研究得知的這種生物標記，就能夠作爲口氣診斷的基礎。

除了口氣會帶身體代謝所產生的VOC外，氣化代謝物也會從身體的尿液，汗水和糞便排出。Owlstone Medical 也積極研究從人體的各種排泄物偵測氣化代謝物，並提高偵測效率。看來他們的目標也包括建立一套多方面的氣化代謝物取樣，拓展氣化代謝物作爲疾病生物標記的方法。

根據Owlstone的網頁資料，通過他們所提供的儀器和分析服務，所涉及的的疾病研究範圍包括癌症、發炎性疾病、和傳染病。癌症發展到後期，死亡率高達95%。所以他們硏究的主要目標是早期的癌症，期望通過口氣檢測好及早診斷、治療，提高存活率。

Owlstone Medical共同創辦人兼主席Billy Boyle本身不是醫療領域人員。他於2000年劍橋工程系本科畢業，2001年工程系碩士畢業。畢業後於劍橋大學的Microsystems and Nanotech group 當研究人員期間，共同研發了一個利用微米和納米級製造技術的微型化學感應器（比當時已有的感應器細小一百倍，便宜一千倍）。利用專利的一種離子流動分析技術 (Field Asymmetric Ion Mobility Spectrometry, FAIMS)，能探測空氣中極微量的化學物質。

2004年，他和其他的研發人員脫離劍橋大學，基於他們的研究成果開設了Owlstone Nanotech Ltd （Owlstone Medical的母公司），並得到英國國防部110萬英鎊的資金。由最初的一個軍事用途開發公司，現在該公司已經發展成提供FAIMS技術給全球軍事以及不同的產業領域。

2004年，他和其他的研發人員脫離劍橋大學，基於他們的研究成果開設了Owlstone Nanotech Ltd （Owlstone Medical的母公司，並得到英國國防部110萬英鎊的資金。由最初的一個軍事用途開發公司，現在該公司已經發展成提供FAIMS技術給全球軍事以及不同的產業領域。直至2012年末Billy前妻被診斷出得結腸癌，他開始思考把公司的技術應用在醫學層面，Owlstone Medical於2016年三月正式成立。

Owlstone Medical承襲了從母公司發展成熟的取樣器材及配套、測量及分析系統，加上專業範圍廣泛的員工團隊，可以說硬件和軟件兩方面都非常出色。現階段Owlstone Medical與多個科研機構以及英國的國民保健服務（NHS）合作，收集大量疾病與其氣化代謝物的數據，從大數據整理出以氣體元素作爲不同疾病的生物標記。

非創傷性的取樣令病人不需要受皮肉之苦，而早期癌症診斷則能挽救無數病人的生命。希望Owlstone Medical 的研究項目能早日應用於臨牀之上。

讀者可前往以下Owlstone Medical的網站看看更多資料： https://www.owlstonemedical.com

劍橋–––大學與工業

英國劍橋是世界知名的大學城，除了擁有700多年歷史由31所學院所組成的大學，現今這個城市也以她的科學產出而聞名。

劍橋有「矽沼」或 「硅沼」（Silicon Fen)之稱，是歐洲的「矽谷」。劍橋大學是一所研究型大學，大量科學研究所得的成果，成爲了許多初創公司的產業基礎；而大學所培養的人才，也吸引了大批國際科技及醫療巨企，如甲骨文，蘋果，微軟和葛兰素史克股份有限公司等，進駐大學周邊的科學園。科研成果和人才的供應提供了充足的動力，使劍橋的科學園簇群在3、40 年間發展得生機勃勃，不斷擴展。劍橋大學及其周邊的科學園成爲了歐洲最成功的創新動力發動機，歐洲的「矽谷」遂因此得名。

劍橋大學於2019年10月出版的統計數據顯示，這個歐洲最大的科技簇群有超過5000個“知識密集型”公司（其中有440多個屬於生命科學或醫療保健服務領域的公司），僱用了6萬1千多個員工，於2018年產生155億英鎊的營業額。而以平均人口計，每10萬人便產出316個專利權，是產出最多專利權的英國城市，比排第二和第三的城市的產出專利權總和還多。

根據金融時報於2019年11月19日所刊登的一篇文章報道，劍橋是第一個建立科學園的城市。參考美國史丹福大學於1950年代作爲先驅的模式，也響應當時英國政府大力推動大學和工業的聯繫，三一學院（Trinity College，劍橋大學最富有的學院）於1970年代初，在其所擁有的劍橋市內西北面的一塊土地上建立了英國第一個科學園-劍橋科學園(Cambridge Science Park)。隨後約翰學院 （St John’s College）和彼得學院（Peterhouse College）也分別建立了St John’s Innovation Centre, 以及Peterhouse Technology Park。

時至今天，劍橋郡有超過10個科學園。位於劍橋南面的3個科學園-劍橋生物醫學園區(Cambridge Biomedical Campus)、Babraham Research Campus、以及Granta Park，聚集了80多個不同階段的生命科學公司。

參考資料來源

1. 金融時報，2019年11月19日，Sarah Proven. “Cambridge science parks attract record funding for ‘spinouts’. https://www.ft.com/content/40174572-d54e-11e9-8d46-8def889b4137
2. 劍橋大學於2019年10月出版的統計數據 https://www.cam.ac.uk/sites/www.cam.ac.uk/files/inner-images/innovation_in_numbers_oct_2019.pdf