基于网络的主动接触者追踪：一种用于保护隐私的COVID-19应用程序的预防性、分级警报框架

《PLOS Digital Health》：Network-based proactive contact tracing: A pre-emptive, degree-based alerting framework for privacy-preserving COVID-19 apps

提出网络基础主动接触追踪（NPCT）框架，作为现有数字接触追踪（如GAEN）的补充。NPCT通过计算用户近期蓝牙接触频率的风险分数，结合实时疫情数据动态调整阈值，触发分级接触减少建议而非强制隔离。实证显示，NPCT可在降低疫情峰值约40%的同时减少20%的社会接触，且在多种网络结构和长期模拟中表现稳健，平衡了公共卫生效益与社会成本，同时严格保护用户隐私。

　　NPCT 是一种创新的接触追踪方案，旨在改进现有接触追踪技术的局限性，同时保持隐私保护。传统接触追踪（BCT）通常依赖于实验室检测结果，并且仅在确诊后才向接触者发送隔离建议，这种做法往往滞后且无法有效应对早期传播。此外，BCT 的“一刀切”式隔离可能对大量低风险人群造成不必要的负担，从而影响公众的配合度和社交成本。NPCT 通过将用户的近期蓝牙接触历史转化为个体风险评分，并结合实时疫情数据动态调整隔离强度，提供了一种更加精细和及时的干预方式。

NPCT 的核心在于其动态的阈值机制。该机制基于两个关键指标：疫情加速（infection acceleration）和感染潜力（infection potential）。疫情加速衡量当前感染人数的变化趋势，而感染潜力则反映当前潜在的传染机会。这两个指标共同作用，调整一个全局敏感性参数（global sensitivity parameter），从而决定何时以及如何调整风险阈值。当疫情加速和感染潜力增加时，风险阈值会降低，使得更多用户被标记为高风险并收到减少接触的建议；反之，当疫情趋于平稳时，阈值会上调，减少对接触者的干预。这种动态调整机制使 NPCT 能够在不依赖人工调整的情况下，实时响应疫情的变化。

通过将用户的近期接触频率转化为风险评分，NPCT 为每个用户计算了一个相对风险值，并在该值超过动态阈值时，发出“减少接触比例”的建议，而非强制性隔离。这种分层干预策略能够在不严重影响社交互动的前提下，有效降低疫情高峰。NPCT 的干预机制基于随机接触删除，模拟了用户在收到风险提示后可能采取的行为，如减少社交活动或避免某些接触类型。这种机制具有一定的保守性，因为它忽略了不同接触类型之间的差异，但为后续研究提供了基础。

NPCT 的优势在于其对现有基础设施的兼容性。它可以在不修改现有数字接触追踪系统（如 GAEN）的前提下运行，因此不会对用户隐私造成额外威胁。此外，NPCT 的轻量级设计使其在设备上运行时对资源消耗较低，这使得它能够被广泛部署。通过结合蓝牙接触数据和聚合的疫情信息，NPCT 能够在不依赖个人健康数据或地理位置信息的情况下，提供个性化的干预建议。

在模拟实验中，NPCT 在多个合成和实际接触网络上表现出色。结果显示，即使在低合规率的情况下，NPCT 也能有效降低疫情峰值，同时减少对社会互动的干扰。对于 ABM 网络，NPCT 能够将疫情峰值降低约 40%，而仅需减少约 20% 的接触。这种“两倍回报”意味着 NPCT 能够在保持社会活动水平的同时，显著减少疫情传播。DTU 网络和 Office 网络的实验也验证了这一结论，表明 NPCT 在不同类型的社交网络中都能保持良好的效果。

NPCT 的干预效率还与敏感性参数（λ）密切相关。较高的 λ 值会导致更严格的干预，从而实现更大幅度的疫情峰值降低，但同时也可能带来更高的社交成本。较低的 λ 值则倾向于在较小的范围内减少接触，从而在保持社交互动的同时获得更优的效率。这种权衡表明，NPCT 的干预强度可以依据实际需求进行调整，以达到最佳的疫情控制效果。

此外，NPCT 的公平性也是其重要特性之一。实验结果显示，高风险用户承担了大部分接触减少的负担，而低风险用户则受到较少影响。这种分布模式不仅提高了干预的效率，也减少了对社会的总体冲击。通过确保高风险用户在疫情初期就受到关注，NPCT 可以有效控制疫情传播，同时避免对广泛人群造成不必要的限制。

NPCT 的应用范围不仅限于新冠疫情防控。该方法可以推广到其他通过密切接触传播的疾病，如流感、RSV 或其他新型冠状病毒。只要接触数据能够准确捕捉这些疾病的传播模式，并且减少接触活动能有效降低传播风险，NPCT 就能作为一种通用的接触追踪干预策略。然而，对于具有长潜伏期或通过其他途径传播的疾病（如结核病），NPCT 的效果可能有限，因为其核心机制依赖于短期的接触频率。

NPCT 的实施也涉及一系列行为、伦理和政策考量。由于其基于风险评分和动态阈值，NPCT 的干预建议可能更加人性化，但也需要确保用户能够理解并接受这些提示。如果用户对风险提示的反应不一致，可能导致干预效果的波动。因此，政策制定者需要考虑如何设计用户界面，以清晰传达 NPCT 的干预建议，并确保公众对这一措施的信任。同时，NPCT 的实施应避免对特定社会群体造成不公平的影响，以维护社会公平和公众接受度。

在实际部署中，NPCT 的设计还需考虑多个因素，包括数据更新频率、用户合规率、干预强度的调整策略等。虽然当前的模拟实验假设了固定的数据更新间隔和统一的接触传播概率，但实际环境中这些参数可能需要根据具体情况动态调整。此外，NPCT 的实施需要依赖高质量的接触数据，因此在数据采集和处理方面需确保其准确性和完整性。

总的来说，NPCT 提供了一种有效的、隐私保护的、可扩展的接触追踪方案。它不仅能够显著降低疫情峰值，还能在不大幅减少社会互动的前提下实现这一目标。这种平衡对于公共健康干预至关重要，因为它能够在保护个人隐私的同时，有效控制疫情传播。NPCT 的设计为数字接触追踪系统提供了一个可扩展的升级路径，使各国能够根据自身情况调整干预策略，从而在不同阶段实现最佳的疫情管理效果。