飲食範囲の限定で感染者数が0.7倍に

コンピュータ上に自らの意思で行動する「エージェント」という1人の人間のようなモデルを作って様々な状況をシミュレーションする手法に「インディビジュアル・ベース・モデル（IBM）」があります。IBMに、繁華街や観光地など目的の地域の世帯状況や飲食店の種類などを入力し、さまざまな感染対策のシナリオごとにシミュレーションすると、人の流れや感染防止策の効果を検証できます。

居酒屋やナイトスポットが集まる繁華街のモデルでは、飲食の参加者を社内の同部署の4人以内に制限して店の営業時間を短縮すると、そうでない場合に比べて感染者を3割ほど減らせることがわかりました（図1）。たとえその中に感染者がいても、別の「コミュニティ」に感染が飛び火するリスクが小さいためです。また、札幌市や那覇市など、県外から感染者が流入する地方の観光地のモデルでは、感染率の高い首都圏などからの観光客の流入が中長期的に地元の感染を拡大させる様子が明らかになりました。

感染者流入数の管理が感染者減に

北海道は、2020年末に急速な感染拡大に見舞われ、札幌市の新規感染者数は11月半ばから12月半ばのピーク時には180人／日（移動平均）近くに上りました。

感染拡大の要因を推定するためにAI技術の一つである機械学習によって最適化したSEIRという数理モデルでシミュレーションをしました。

まず、7月中旬（政府のGoToキャンペーンの開始時期と重なる）に潜在的な感染陽性者が道内に流入するリスク（推定感染者の流入数）が跳ね上がっていたことがわかりました（図2左図青枠A）。
推定感染者の流入数は、携帯電話のビックデータを元に観光客の居住地域とその地域の感染率から推計した値です。

7月中旬の流入リスクが、もし、実際の半分だったら、数カ月後の感染者数のピークは120人／日程度と0.68倍に減少します（図2 左図B1）。人の移動を長い間止めることはできませんが、モデルは感染率の高い地域からの観光客の流入を地元の感染率を見ながら一時的に制限・停止するなどによって管理すると、感染者数を下げる余地があることを示しています。

那覇市のモデルでも、地元の住民と観光客との接触制限、飲食街の時短、濃厚接触者の追跡強化などの対策により、感染者数が減少することがわかりました（図3）。

今後は、各観光地の最新の感染状況や観光客が取るべき行動などの情報をウェブで提供することを検討しています。