В рамках серии публичных лекций Perimeter Institute канадский физик Катрин Бошмен (Catherine Beauchemin) представила концепцию «вирофизики» — нового междисциплинарного направления, призванного навести порядок в медицинских исследованиях. На конкретных примерах изучения гриппа и пандемии COVID-19 лектор показала, как отсутствие строгого математического аппарата и методологические ошибки подрывают общественное доверие к науке. По мнению Бошмен, именно интеграция подходов теоретической физики способна преодолеть системный кризис воспроизводимости в современной доказательной медицине.
🔬 Кризис доверия к медицине: почему одобряются плохие исследования 5:12
Катрин Бошмен начинает свое выступление с раскрытия информации о потенциальном конфликте интересов: в прошлом она получала гонорары за консультации и финансирование исследований от фармацевтических компаний F. Hoffmann-La Roche, AstraZeneca и Adamas Pharmaceuticals. Однако лектор подчеркивает, что на момент выступления её оклад и научные гранты поступают исключительно из публичных государственных источников.
Обращаясь к научному методу, Бошмен отмечает, что это не просто жесткая последовательность шагов, а фундаментальный набор «ингредиентов», определяющих научность познания:
- Гипотеза о рациональности устройства Вселенной и существовании универсальных законов природы.
- Здоровый скептицизм, позволяющий ученому менять мнение под воздействием новых данных.
- Формулирование фальсифицируемых гипотез и теорий, которые принципиально возможно опровергнуть.
- Честность и абсолютная прозрачность при публикации методик и результатов.
- Возможность независимой проверки фактов каждым участником сообщества без слепой веры авторитетам.
Последний пункт, по словам лектора, часто сталкивается с практическими ограничениями. Обычный человек или даже отдельная лаборатория не могут построить Большой адронный коллайдер на заднем дворе из-за колоссальной стоимости проекта. В областях, где независимое воспроизведение экспериментов затруднено, научному сообществу и обществу приходится полагаться на доверие.
Однако уровень доверия к медицине сегодня далек от идеала. Лектор ссылается на социологическое исследование 2014 года, проведенное еще до пандемии COVID-19. Респондентам предлагалось оценить утверждение: «В целом, врачам в моей стране можно доверять». Даже в стране с самым высоким рейтингом доверия лишь 83% опрошенных согласились с этим. По мнению Катрин Бошмен, наличие 20% не доверяющих граждан в вопросах, которые буквально касаются жизни и смерти, — это тревожный сигнал.
Негативное общественное восприятие медицины и органов здравоохранения, по словам лектора, формируется под влиянием трех ключевых факторов:
- Постоянные публичные разногласия между признанными экспертами.
- Регулярная смена рекомендаций на противоположные (например, многолетние споры о вреде сливочного масла и пользе маргарина или первоначальные заявления чиновников о бесполезности масок, сменившиеся жестким требованием носить трехслойные средства защиты).
- Подозрения в наличии у экспертов скрытых мотивов — коммерческих интересов «Биг Фармы», политического давления или попыток «социальной инженерии» (когда чиновники утаивают или искажают факты ради того, чтобы побудить население к определенному, якобы благому поведению).
🛑 Кейс гидроксихлорохина и фиаско рецензирования
Примером деструктивного экспертного раскола Бошмен называет дебаты вокруг эффективности гидроксихлорохина против вируса SARS-CoV-2. На слушаниях в комитете Палаты представителей США доктор Энтони Фаучи заявил, что нашумевшее исследование в пользу препарата было в корне неверным, поскольку не являлось рандомизированным плацебо-контролируемым испытанием. На возражение конгрессмена Блейна Люткемейера о том, что статья прошла рецензирование (peer review), Фаучи ответил: «Это не имеет значения. Можно отрецензировать и плохое исследование».
По мнению Бошмен, этот прецедент вскрывает глубокие проблемы коммуникации: если процедура рецензирования, которую прошли авторы работы (минимум три независимых эксперта), одобряет методологически несостоятельный труд, то вся система научной верификации оказывается под ударом. Обыватель теряет ориентиры, когда официальные лица призывают верить «рецензируемой науке», но одновременно с этим отвергают неугодные рецензированные статьи.
📉 Анатомия системных ошибок: от ретракций до «исцеления» миллионов пациентов 11:35
Масштаб методологического кризиса в медицине подтверждается статистикой отзывов научных статей (ретракций). Анализируя антирейтинг портала Retraction Watch, Бошмен указывает, что 60% из топ-15 лидеров по количеству отозванных работ специализировались именно на медицине. С долей иронии лектор отмечает, что физиков в этом списке нет вообще. Причины ретракций варьируются от банального дублирования данных до прямой фальсификации графиков в фотошопе.
Проблема затрагивает не только абстрактную теорию, но и повседневные стандарты лечения (standard of care). В масштабном мета-исследовании ученые проанализировали 363 публикации, определяющие медицинские стандарты. В 146 случаях (около 40%) последующие более строгие проверки привели к полной отмене (реверсии) утвержденных протоколов из-за их неэффективности или опасности для пациентов.
Лектор приводит яркий клинический пример:
- Процедура: Имплантация коллагеновой губки с гентамицином для предотвращения инфекций после колоректальных операций.
- Масштаб применения: Практика использовалась на миллионах пациентов с 1985 года.
- Основание: Единственное рандомизированное исследование в одном медицинском центре, показавшее снижение риска инфекций на 70%.
- Итог проверки: Спустя годы крупное мультицентровое исследование третьей фазы выявило, что данная губка, напротив, приводила к значительному увеличению числа инфекций, повторных госпитализаций и обращений в отделения экстренной помощи.
На фундаментальном лабораторном уровне ситуация выглядит не лучше. Катрин Бошмен приводит данные нескольких обзоров:
- В сфере анализа микрочипов (исследование Джона Иоаннидиса 2009 года) 16 из 18 работ не удалось воспроизвести на основе исходных сырых данных.
- В общей биологии (2011 год) от 75% до 80% из 67 исследованных статей оказались невоспроизводимыми.
- В онкологии доля провальных верификаций достигла шокирующих 90% (из 53 фундаментальных исследований).
Параллельно фиксируется жесткий «синдром положительного результата» (publication bias). При анализе публикаций, посвященных моделированию инсульта у животных, выяснилось, что лишь 2% работ содержали отрицательные результаты (когда искомый эффект не подтверждался). Бошмен констатирует, что в реальной жизни люди ошибаются гораздо чаще. Настолько аномальная статистика (98% успеха) свидетельствует либо о сокрытии неудачных экспериментов, либо о давлении на ученых с целью фальсификации данных ради публикации.
Систематизируя причины деградации медицинских исследований, Бошмен выделяет четыре порока:
- Игнорирование неудобных данных в пользу личного мнения (повторение опыта до тех пор, пока случайная флуктуация не подтвердит гипотезу).
- Избегание базовых поисковых (эксплораторных) исследований из-за специфики грантового финансирования, требующего жестко заявлять «что именно» ученый докажет.
- Стремление во что бы то ни стало подтвердить, а не опровергнуть рабочую гипотезу.
- Грубые изъяны в дизайне и математическом анализе экспериментов.
🧮 Вирофизика: как заменить слова уравнениями 18:01
Корень проблемы, по мнению Бошмен, кроется еще в школьном образовании. Если открыть учебник физики, он будет изобиловать уравнениями. Учебник биологии, напротив, традиционно состоит из описательного текста и картинок. Этот ментальный разрыв переносится и в большую науку.
В физике траектория исследования выглядит строго: наблюдение — математический анализ — выведение уравнений — прогноз новых явлений — корректировка модели. В вирусологии и биологии графики часто строятся «на глаз», а объяснения остаются сугубо вербальными. Попытка исследовать систему без математического каркаса превращается в дорогостоящий и хаотичный метод тыка (trial and error).
Цель вирофизики — дисциплины, название которой ввела в оборот сама Катрин Бошмен во время постдокторантуры в Лос-Аламосской национальной лаборатории — заключается в переводе качественных биологических представлений на строгий язык математических моделей и их последующей экспериментальной верификации.
🔄 Математическая модель вирусной инфекции
Биологический механизм инфицирования ткани Бошмен описывает через систему дифференциальных уравнений, где клетка выступает в роли «фабрики»:
- Вирусная частица (вирион) проникает в здоровую клетку.
- Наступает эклипс-фаза (фаза затмения): вирус визуально «исчезает», распаковываясь внутри клетки и перенастраивая её ресурсы.
- Клетка начинает генерировать новые вирионы с фиксированной скоростью (например, 3 вириона в час).
- Клетка теряет способность к репликации и погибает (из-за истощения или токсичности побочных продуктов).
- Свободные вирионы либо заражают новые клетки, либо выводятся из системы (клиренс вируса — потеря им инфекционности со временем).
Чтобы определить точные численные значения этих параметров, лаборатория Бошмен использует симуляцию двух типов стандартных вирусологических тестов:
- Одноцикловый тест (single cycle assay): в культуру вводится избыток вируса (около 3 вирионов на клетку), что синхронно заражает всю популяцию клеток. Тест позволяет наглядно измерить чистую длительность эклипс-фазы (для гриппа она составляет порядка 6 часов).
- Многоцикловый тест (multiple cycle assay): заражение начинается с минимальной дозы (например, 10 вирионов на миллион клеток). Это позволяет наблюдать за лавинообразным распространением инфекции во времени, вычислять продолжительность жизни зараженной клетки по ширине плато на графике и определять скорость клиренса вируса по темпам падения кривой.
🧪 Ловушка изменчивости: почему рецензенты боятся правды 24:22
Успешно применив модель для раздельного анализа дикого штамма гриппа и его мутантной формы, устойчивой к лекарствам, команда Бошмен смогла с высокой точностью предсказать исход эксперимента по их прямому конкурентному вытеснению в общей культуре (в пропорциях 80/20, 50/50 и 20/80).
Однако при попытке повторить исследование с другой мутацией физики столкнулись с аномалией. Длительность эклипс-фазы дикого штамма осталась неизменной (7 часов), но другие параметры (скорость генерации вируса, продолжительность жизни клетки) кардинально разошлись с данными первого эксперимента. Различия между одним и тем же штаммом в двух разных экспериментах оказались сильнее, чем различия между диким вирусом и мутантом внутри одного опыта.
Детальный анализ показал, что математическая модель не ошиблась: параметры точно отражали реальное поведение биологических объектов, но сами свойства живых клеток (клеточных батчей) незаметно смещались от партии к партии. Клетки становились более или менее восприимчивыми к вирусу. Бошмен пришла к выводу, что абсолютные значения параметров в биологии часто бессмысленны, и оценивать свойства штаммов необходимо исключительно относительно эталонного контроля, параллельно закладывая межэкспериментальную вариативность в саму математическую модель.
Когда статья с этими выводами была отправлена в профильный журнал, рецензент потребовал её отклонить. В своем отзыве он написал: «Подобная вариативность не должна существовать, если используются правильные методики... Маловероятно, что эти колебания реальны или биологически интересны».
По мнению Бошмен, такая позиция рецензента губительна для науки. Стремление «вычистить» вариативность приводит к ложной воспроизводимости. Лектор приводит мысленный эксперимент: лаборантка Джейн проводит идеальный опыт на одной плашке в один день и видит четкую, без шума, победу лекарства А над лекарством Б. Но когда три разных человека в другой лаборатории используют разные партии клеток и реагентов, данные зашумляются, и разница исчезает. Первый результат справедлив только для «пациентки Мэри в четверг с 9 до 10 утра при участии Джейн», в то время как второй, зашумленный результат отражает реальную картину для популяции.
📊 Магия логарифмической шкалы: как политики и СМИ искажают данные о COVID-19 35:21
Во второй части лекции Бошмен переходит к анализу эпидемиологических данных пандемии COVID-19, вводя базовые понятия: репродуктивное число ($R$ — среднее количество людей, которых заражает один больной) и серийный интервал (время между последовательными заражениями в цепочке).
На примере симуляции (при $R=3$ и интервале в 10 дней) лектор демонстрирует колоссальную разницу между линейным и логарифмическим отображением графиков заболеваемости:
- Линейная шкала: шаг по оси Y фиксирован (+50, +100, +150). Экспоненциальный рост на таком графике выглядит как внезапный взрывной «всплеск» или «скачок» в районе, например, 30-го или 75-го дня. Телевизионные аналитики начинают кричать о «неконтролируемом коллапсе», хотя в реальности динамика вируса не менялась ни на йоту — один человек по-прежнему заражал троих. Линейный график полностью стирает раннюю кинетику процесса.
- Логарифмическая шкала: шаг по оси Y представляет собой умножение ($\times 10, \times 100, \times 1000$). На таком графике стабильный экспоненциальный рост превращается в идеальную прямую линию, которую человеческий глаз считывает безошибочно. Более того, логарифмическая шкала позволяет мгновенно увидеть точку перелома тренда — например, если на 50-й день карантинные меры снизили $R$ с 3 до 1.4, на логарифмическом графике излом двух прямых будет очевиден, тогда как на линейном он просто утонет в статистическом шуме флуктуаций.
Катрин Бошмен подвергает жесткой профессиональной критике официальные отчеты Агентства общественного здравоохранения Канады (PHAC). В официальных слайдах ведомства от 9 октября использовалась исключительно линейная шкала, сопровождаемая паническими терминами вроде «ускорение».
Кроме того, по словам Бошмен, государственные аналитики допустили грубую математическую ошибку при сглаживании данных 7-дневной скользящей средней. Вместо того чтобы центрировать усредненное значение по середине временного отрезка (сдвинув назад на 3.5 дня), они привязывали его к последнему, седьмому дню. Из-за этого кумулятивного сдвига кривая на графиках министерства искусственно уходила вперед во времени, из-за чего власти и эпидемиологи стабильно распознавали новые паттерны и изломы трендов с критическим опозданием в 7 дней.
👥 Возрастной фактор: разгадка «падения» смертности от коронавируса 41:59
Самостоятельно оцифровав и переведя сырые государственные данные по Канаде в логарифмический масштаб, Бошмен обнаружила четкую структуру изломов, которая идеально совпала с социальными вехами: ускорение роста после открытия школ 30 августа в Квебеке и Онтарио и замедление после введения жестких ограничений 3 октября.
Параллельно лектор обращает внимание на еще одну загадку пандемии. В первой волне дистанция между графиком суточной заболеваемости и суточной смертности составляла ровно один логарифмический шаг (10 раз), что указывало на летальность в 9.5% с лагом в 12 дней. Во второй волне это расстояние увеличилось до двух шагов (100 раз), то есть летальность упала до 1.5%, а временной лаг вырос до 22 дней.
В экспертном сообществе циркулировало множество спекуляций: вирусологи спорили, связано ли это с мутацией патогена, улучшением протоколов терапии или изменением возрастной структуры инфицированных. Катрин Бошмен доказала, что именно демографический (возрастной) фактор исчерпывающе объясняет аномалию.
Опираясь на открытую базу данных провинции Онтарио, она рассчитала индивидуальные риски для заболевших:
- Возрастная группа 80+: вероятность летального исхода составляет 1 к 3.7.
- Возрастная группа 70–79 лет: риск умереть равен 1 к 6.8.
Лектор напоминает, что в классической «русской рулетке» шансы погибнуть составляют 1 к 6, следовательно, для пожилого человека заражение COVID-19 страшнее выстрела в висок. Для молодых людей (от 10 до 29 лет) риск несопоставимо ниже — около 1 к 6800. Анализ распределения заболевших по времени показал, что в начале пандемии основной удар пришелся на дома престарелых (доминировали группы 80+ и 90+), тогда как к осени доминирующей группой стала мобильная молодежь в возрасте от 10 до 20 лет. Математическая модель смертности, построенная Бошмен исключительно на основе возраста заразившихся, идеально наложилась на график реальных смертей, посрамив теории о «смягчении» самого вируса.
В завершение лекции Бошмен призывает к «генеральной уборке» в сфере медицинских коммуникаций. Плохая медицинская наука компрометирует все научное знание целиком. Доктора должны прекратить вещать с позиции непререкаемых абсолютистов и начать честно обсуждать с пациентами степень неопределенности каждого метода лечения, принимая решения совместно. При этом лектор подчеркивает: здоровый скептицизм в отношении новых медицинских статей не должен превращать людей в маргиналов, доверяющих анонимным сайтам. Проверенная временем классическая медицина — антибиотики, вакцины против кори и краснухи, хирургическое пересаживание конечностей и гипс при переломах — заслуживает абсолютного доверия.
❓ Вопросы и ответы: от Лос-Аламоса до японских комиксов 48:20
После лекции последовала сессия ответов на вопросы аудитории, промодерированная Грегом Диком.
Где еще в мире изучают вирофизику и сколько ученых занято в этой сфере? Катрин Бошмен признается, что фактически сама придумала это название, чтобы успешно позиционировать себя при подаче заявок на научные гранты. Физики часто не видят в вирусах полноценного объекта для физики, а классические вирусологи не понимают математику. Если судить строго по выпускникам её лаборатории, то вирофизиков в мире сейчас 5–6 человек, но если расширить определение на прикладных математиков, глубоко погруженных в проблемы здравоохранения, наберется около двух десятков исследователей по всему миру.
В чем специфика работы над COVID-19 по сравнению с прошлыми проектами? Главным позитивным потрясением пандемии лектор называет беспрецедентную открытость сырых данных. Любой человек у экрана компьютера может скачать государственные датасеты и самостоятельно провести линейную регрессию, не выпрашивая файлы у закрытых медицинских консорциумов. Обратной стороной медали является невозможность для физиков повлиять на сам дизайн и методологию сбора этих данных на местах, что порой вызывает профессиональное разочарование.
Каковы главные барьеры для математизации медицины? По мнению Бошмен, главным барьером остается пресловутый школьный и университетский подход к преподаванию биологии. Студенты-медики и wet-lab ученые учатся по сугубо текстовым пособиям. Профильные курсы математики для медицинских факультетов урезаны и лишены должной строгости. В итоге эксперты отрасли просто не обладают инструментарием, чтобы увидеть в математике ключ к решению своих проблем. Проблема «P-hacking» (манипуляция со статистической значимостью ради получения заветного $p < 0.05$) признается сообществом, но предлагаемые полумеры неэффективны. Бошмен убеждена: спасение придет извне — медицине нужно больше профессиональных физиков, для которых, в сущности, «что вирион, что фотон — без разницы, это просто любопытная система».
Как ученым эффективно распространять исследования, не теряя доверия общества? Лектор призывает к максимальной точности и борьбе со стереотипами медиа. Изучая стенограммы press-конференций (например, по вопросу ношения масок), Бошмен обнаружила, что изначально спикеры давали глубокие, нюансированные часовые ответы с разбором рисков. Однако журналисты безжалостно сокращали их до бинарных кликбейтных заголовков: «маски — это плохо», а затем «маски — это хорошо». Ученые должны жестко дозировать упрощения и порой отказываться от интервью, если формат не позволяет передать научную истину без искажений.
Как годы работы в Лос-Аламосе повлияли на текущую карьеру? Бошмен тепло вспоминает свою постдокторскую практику в Лос-Аламосской национальной лаборатории под руководством знаменитого Алана Перлсона (Alan Perelson), фактически заложившего основы математического моделирования ВИЧ. Модели Перлсона перевернули представления об инфекции: считалось, что ВИЧ реплицируется крайне медленно, но математический анализ кинетики показал взрывное производство вируса, которое непрерывно подавлялось иммунной системой. Высокая скорость репликации означала колоссальный темп мутаций, что радикально изменило терапевтические стратегии. В его же лаборатории Бошмен начала заниматься вирусом гриппа, который оставался её главной научной темой вплоть до пандемии 2020 года.
В финале трансляции ведущий демонстрирует забавный факт: признание заслуг Бошмен в Японии, где она занимает пост заместителя программного директора RIKEN iTHEMS, увенчалось её увековечиванием в официальном корпоративном аниме-персонаже. В диалоговом облачке рядом с нарисованной Катрин красуется выведенное её командой дифференциальное уравнение репликации вируса с ключевым коэффициентом $C$ (clearance rate) — той самой скоростью потери инфекционности, о которой шла речь на лекции.
