2020诺贝尔奖获得者医学峰会健康家电智享论坛--速记稿（3）

　　主持人：感谢曹副会长带来的致辞。“为促进人类进步和福利事业，并以纯粹的理想主义为目的”是诺贝尔奖设立的初心。在当下，互联网、电动汽车、5G、各式家电，都在为我们的生活提供着无限便捷。可以说，科学、科技大力的推动着社会的发展，给人类带来源源不断的福祉。今天我们有幸邀请到2013年诺贝尔化学奖获得者、生物物理学家、美国斯坦福大学结构生物教授 迈克尔·莱维特先生就《健康、科技与未来》为我们带来精彩的演讲，有请迈克尔·莱维特先生。

2013年诺贝尔奖获得者 迈克尔莱维特

　　迈克尔·莱维特：女士们、先生们，大家下午好!我今天在这里讲一讲我个人与新冠疫情的故事，在这方面其实发展是非常早的。我对新冠疫情研究开始非常早，早在1月29号就开始研究，当时总结了疫情的发展，写出一份报告发给朋友们，这个报告两页，第一页包括各种数据和相关地图，第二页是这些图表和相关表格。从图上可以看出，这里有两件事要着重讲的，第一个就是死亡率，在图上可以看出，死亡率在不同地方是有所区别的，在武汉地区死亡率相对较高，在整个湖北地区死亡率有所降低，而在中国其他地区死亡率是非常低的。还有另外一个很重要的数据，比如说当日新冠疫情死亡数据÷前一日死亡数据的结果，这是非常重要的。在这里给大家展示一下，手划的这一条。之后我将这份报告发布了出去，让我很惊讶的是，很快就有人(不知名的)把这篇文章翻译成了中文，立刻在微信平台上开始传播了。

　　大家可以看到屏幕的右边这行字，这份报告很快就通过微信平台开始传播出来了，并且被翻译成中文，发到了网上，这篇报告有数百万人阅读过了。其实很不情愿的个人发现，自己做出了一种公开的宣言，这样的话自己也感到一种责任，既然已经做了这种公开宣言，就要把这种分析做下去，这是一种责任。

　　在2月份的时候，接下来又继续写出了21份报告，大家在PPT上可以看到的是2月28号写出的一份报告，右边的文字是说又过了31天，收集到了更多的数据，这些额外的数据能够告诉我们什么呢?大家在图上可以看到，越来越多的数据证明了从2020年2月1号开始疫情持续发展的数据，死亡率在各地是完全不一样的，在湖北比较高，同时，在中国湖北以外非湖北地区死亡率相对较低，同时，整个变化属于非常断裂状态，当日总死亡率÷前一日总死亡率是稳步下跌的，到底什么时候才会达到终点截止呢?

　　为了想知道到底什么时候这个数字下跌会达到终点，数据分析中引入各种各样函数，图中这几条线都是有可能的情况，但是要分析到底哪一个最接近真实情况确实有些困难。预计出来最终数字实际上每天都有所增长，从2月6号最终预计出来的数字是927，结果2月28号计算出来的结果就到了3200，目前仍有一个很严重的问题，直到三个月以后，也就是2020年5月份，仍然没有得到解决。右边这张图上大家可以看到，目前得出这些数据点和函数曲线非常容易契合，但是至于再往后再往上到底哪种是更真实的情况，就很难以推断了。在2月28号的时候，我又写出这样一份报告，从世界各国专家当中又提出了几个重要问题，这其中一个问题包括PCR测试过于敏感了，这也是一个问题。这其中另外一个问题是，到2月28号的时候中国的疫情已经开始趋于结束了，这点原因到底是因为中国严格执行了隔离政策还是因为很多人已经感染了，但并没有被检测出来统计成数据，这些人免疫，导致疫情结束了呢，还是因为我们采取保持社交距离，而非严格的隔离政策，这样是否也能制止疫情的发展?还有一个问题，是否还会有一些特殊个体或者某些民族，就是因为体质本身原因等等，天然免疫新冠呢?

　　我本身对数学和计算机科学研究非常感兴趣，所以所做的研究很重要方面是把目前得出的各种数据点和函数进行匹配与契合，图上黑色那条线是不断增长的病历数字，红色这条线则是死亡数据变化，蓝色这条线稍后再说。从图上大家可以看到，首先每个图右上角标黄的是不同函数算法，上面那个黑色的契合的非常好，下面这个契合的不好，有偏差。除了中国，湖北以外其他中国地区，就算世界其他地区，比如新西兰，新西兰疫情发生较晚，已经两个月以后了，但函数计算出来的结果也非常相似。新西兰中国国家疫情总量比较少，一共只有1440个病历，相对中国湖北以外其他地区来说，数值几乎接近10倍，有13000多名，但最后得出的结果是差不多的，说明这种病毒是非常连贯的性质，好比咱们把火箭发射到天上，火箭就是会按照既定的路线去走一样。

　　接下来再给大家展示一些其他相关数据。从上面第一个可以看出，这是意大利数据，红色的线表示每天新增病历，黑色线是每天死亡病历，可以画出这样的曲线出来，以这样的形式出来。最下面这个图函数H(t)是当日死亡数，X(t)是前一日死亡数，这两个数一除最后会得出非常好看的图出来。仿佛病毒有生命一样，懂病毒和函数，就知道自己按照科学应该怎样发展。

　　从几幅图可以看出，各国都可以做出这样的图，左上角第一个是中国的图，红色的线是新增案例，黑色的线是死亡案例，红色的线是先往上猛增达到顶峰再下降，黑色线也是如此，只不过顶峰是在红色后面，这个也很合理，总得先得病再死亡。第二个是意大利的，然后是美国纽约的，都是一样的情况。但是意大利、美国纽约等等情况因为他们那边防疫、社交隔离做的不是特别好，尽管两个曲线下来了，但是过几个月红色新增线又上去了，死亡没有太增加，左边第四个图，就算咱们把欧洲各国作为总体来算的话，也能得出类似的图，先达到顶峰再往下走，但欧洲防疫比较混乱，所以新增案例走的比较快。右边的又不一样，右边中间两个，墨西哥和巴西两个国家，他们社交距离、防疫等等隔离措施都做的不好，这两个曲线快速上涨，但一直没有落下来，都处于平台期。瑞典这个国家更混乱，死亡曲线出现的比较早，因为早期得病的大部分病人会出现死亡情况，但之后因为防疫不到位，新增案例猛增的非常快，有一个新增巅峰。至于美国就不提了，美国现在也乱的不行，也不知道最终会选出哪位美国总统，先不说了。

　　接下来展示的是把数据计算之后得到的结果，当日死亡数量÷前一日死亡数量最后计算出结果，不管在哪个地方，中国也好，意大利、美国、纽约、欧洲，包括任何地方，就算墨西哥、巴西这样混乱的地方，得出的结果都是直线，美国不一定，因为它们之后有二次疫情爆发高峰，所以最后得到的结果有所不同。就用新冠病毒呈现出的明显数学性质，我们对新冠病毒发展做出预测，比如我们知道某一时刻病人感染数量就可以推算一个月后或者多少时间之后就有多少案例和死亡等等。

　　再回到右边这个图的数据，就算整个数据跟曲线契合的非常好，但是绿线之上我们也很难判断到底日后发展走四条线的哪一条，甚至还有线没画出来，但可以用数学计算出左边图的样子，竖着看，比如咱们预计2月10号数据，竖着的所有蓝色小点都可能是预测出来有可能的结果，但最终最常见最符合现实的结果是棕色方块。从棕色方块和蓝色点对比可以看出，绿色矩形之前进行计算预测出来的结果比较低，因为棕色方块在下面，但是到了绿色矩形右边那块可以发现，棕色到了上面说明预测偏高，但是随着疫情再次发展两个点可以重合，说明预测走入正轨，走到现实中间去了。

　　通过这种数据可以进行非常多的复杂计算，当然，我也用电脑模拟运行了非常多次，得到了很多可能的结果。这张图是世界各国不同地方运行出来的可能的数据。比如说EU，欧洲那块，这种属于比较好预测的案例，因为刚刚说的红线逐渐变平，黑线趋平，说明趋于好转，疫情逐渐结束。其他地方也类似，比如意大利、智利等等，但还有另外一些国家的数据就比较乱了。其他一些地方，比如伊朗、秘鲁、智利，还有其他地方，凡是红线开始逐渐变平的时候，说明疫情开始逐渐走向结束了，基本上是这样的预测模式。

　　有两个问题需要着重研究：第一个，疫情到底何时会结束?第二个，到底会有多少死亡案例?再回到2月28号所撰写并且发布给很多人的报告中所提出来的问题，其中第七个问题提到以“钻石公主号"游轮为例，典型高密度感染地区的案例，有20%的感染率，千分之一的死亡率，这些都发生在65岁及以上的老人之中。还有一个尚未解开的迷题，在这个轮船上，保持社交距离到底起了多少作用，因为考虑到轮船比较特殊，整个轮船只有一套空调系统，共用厨房，游轮环境肯定不适合做出在新冠疫情环境下对所有人都健康卫生的厨卫环境的。到了3月22号我又写了一篇论文，其中提出一个观点，总的新冠疫情会造成的死亡率应该在数字上等同于全球年均死亡人数一个月份的量，但是大多数人都认为几乎要等同于一整年常规死亡人数的量。首先很重要的一点是，大家要认识到人都会有去世那一天，平均来说，每天全球都有15万人在地球上去世。这也就意味着，即使在普通情况下，每年地球上也都会有五千万去世人口，相对来说，换算下来每周都会有100万。把数据扩展到全球，每年差不多都有五千万死亡人口，单看美国就是300万，欧洲就是200万，图上展示出来的图是欧洲历年来死亡数据，每年到了冬天的时候，标出来的地方都会是一个死亡高峰。这个图上背景上的表格线，最底下那根标的5万表示每周欧洲都有5万人口去世，到了顶峰，有7万，有6万等等，也就是说，到了冬天会是欧洲人口死亡的高峰期，这些基本上都是由于感冒流感。从这个表可以看出，2017年到2018年有一个很大的尖，相当于很大的流感疫情，2018年到2019年有两次流感高峰，2019年到2020年冬天是一个小流感，到这一次冬天流感疫情没怎么出现，但是有很大的新冠疫情的尖。所以一个很重要的课题，对比按理规则上的死亡数据和实际录入死亡数据对比，蓝色深线所画出来的尖和底下虚线勾出来的图的面积，绿色这块是一个很大的面积，属于很高，但是很窄很瘦，刚刚指出来的右边这块很宽，但很矮，要确定这两块的数量到底哪个更多。从这个表上可以看出，这是历年冬天总的死亡数据，粉色是今年新冠疫情导致冬季欧洲死亡数据，绿色的是三年之前录入的数据，明显看出，的确新冠疫情这一年冬季死亡数据比三年前要多，但也没有多很多，具体来说，多了三分之二。

　　另外一个很重要的问题，要确定死亡人口具体的年龄分组。这里把年龄人口分成四个组，85岁以上，65-75，75-84，65岁以下。从65-75这个年龄组可以看出，死于新冠和三年前死于流感的人口差不多。对于新冠和普通流感来说，85岁以上人口死亡几乎是一半，都是由于新冠和流感。这里所谓的年轻人群，对于新冠疫情来说，65岁以下已经是很年轻了，对于这些人口新冠疫情死亡数量相对来说低一点。最后面那一行表示的是自然死亡数字，这里所称的年轻人是65及65岁以下死亡人数，自然死亡比新冠和比普通流感来说更为危险的因素。就算是在欧洲，欧洲受新冠疫情袭击非常严重，很多国家受灾非常严重，即使把这些数据总的加起来，最终算出欧洲总的死于新冠疫情数字换算一下，也就是26天自然人口死亡数字，完全还不到一个月。当下欧洲发生第二波疫情，所有人都忧心忡忡，欧洲各国开始了封锁，我们看看第二波疫情怎么样。

　　大家把左边这个图从中间以第一波疫情为分割线，切开可以看到，第二波疫情非常奇怪，中间的是笔直往下，第二波疫情往下走着走着变平了。第二波疫情另外一个特点就是死亡率大幅降低，病毒变得温和了许多，这中间到底发生了什么呢?这里得出来的数据是从医院得到的，医院向上汇报这些病人死于新冠疫情，具体真实死亡情况到底如何呢?从这个图上可以看出，中间往下划的线指第一波第二波疫情，上面的横坐标，3月份正常死亡率和疫情死亡率相对是比较重合的，但是第二波疫情发现数据有一定的偏差，经过计算可以得出，第二波疫情中死亡人口，即使没有新冠疫情本来也会去世的这群人，前后两次疫情数据完全匹配不上，情况有所不同。这种情况在欧洲整体来看是如此，单独来看也是如此。目前原因尚不明确，但这里个人认为比较可能的原因是大量的检测，一般来说，一个人生病了看医生，医生告诉他你得了流感、感冒等等，但是新冠把所有人都拉起来集中进行检测。右边第二波疫情所看到的结果，把大量的人都拉出来检测，不管是健康还是不健康的，其中自然会有人因为各种原因死亡，因为人都有一死，最后把这些人口都归为新冠死亡人口。

　　这里要问两个很重要的问题，第一个，疫情如何结束?有可能因为我们研发出疫苗，有可能因为我们停止大规模检测。另外，我们必须意识到，人生处处有风险，新冠疫情导致的死亡率跟开车车祸导致的死亡人口相差无几，开车是有危险的，如果我现在提出不准开车，合理吗?或者吸烟很危险，为了保护生命不吸烟了?我们要认识认清的一点是，新冠疫情死亡案例的特殊之处这些死亡人口年龄构成跟正常人普通死亡人口年龄构成没有区别，一般来说，不会说一周就有大量十来岁儿童死亡，一周之内会有很多年龄很大85岁以上人口死亡，这是正常的，但目前新冠疫情没有出现这种特点，反而和正常死亡年龄人口很接近。另外一个很重要的问题，世界究竟此后走向何方呢?我个人希望这个世界能不变还是不变，因为在一年以前，我们是一个非常美好的世界，我们可以到处旅行，可以看到别人的脸，学校是开放的，孩子们正常学习，所以尽量能少变就少变。刚才的照片是与我共事的人，感谢各位的倾听。