ΑΝΟΣΙΑ Ή ΑΝΟΗΣΙΑ ;

Σαράντης Μιχαλόπουλος

Παραθέτω ένα απόσπασμα από συνέντευξη του Κωνσταντίνου Δασκαλάκη, του γνωστού καθηγητή του Τμήματος Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών στο Τεχνολογικό Ινστιτούτο της Μασαχουσέτης (ΜΙΤ) και μέλος του Εργαστηρίου Πληροφορικής και Τεχνητής Νοημοσύνης του MIT, σχετικά με τη μετάδοση του κορωνοϊού, όπου πολύ παραστατικά και απλοποιημένα παρουσιάζεται το μοντέλο της «ανοσίας της αγέλης», που κατά πολλούς είναι ένα μοντέλο, όχι ανοσίας αλλά ανοησίας. Και αυτό, διότι στη χώρα μας, αν εφαρμοζόταν, θα σήμαινε εκατοντάδες χιλιάδες νεκρούς. Αλλά βέβαια θα σήμαινε και κάτι ακόμη. Θα σήμαινε κατάρρευση του Συστήματος Υγείας,

σε σημείο που πλέον να γίνεται επιλογή ποιος θα νοσηλευτεί και ποιος θα αφεθεί στην τύχη του.

Μάλιστα, αυτό το τελευταίο χρησιμοποιείται από αρκετούς αλλά από την ακριβώς αντίθετη πλευρά, ότι δηλαδή του Σύστημα Υγείας της χώρας μας είχε εγκαταλειφθεί σε σημείο που οι ελλείψεις να είναι τεράστιες. Εκείνο όμως που δεν λέγεται σε αυτή την κριτική είναι το ποιο, κατά τη γνώμη τους, μέγεθος π.χ. αριθμός ΜΕΘ, θα θεωρούνταν υπό κανονικές συνθήκες ικανοποιητικό. Αν δηλαδή οι, ας πούμε, 700 (όταν ξέσπασε η επιδημία) ΜΕΘ έπρεπε να είναι 1.400 ή 2.000. Διότι, αν λεγόταν αυτό, αμέσως θα έμπαινε το ερώτημα «θα έφθαναν αυτές οι 2.000 ΜΕΘ, αν τα κρούσματα εξελίσσονταν με ρυθμούς σαν της Ιταλίας, της Ισπανίας, της Μ.Βρετανίας, των ΗΠΑ ;».

Ας διαβάσουμε όμως το απόσπασμα του άρθρου.

«Χρωματίζοντας» τη μετάδοση

Πώς μπορεί να μπει «φρένο» σε μια τέτοια επιθετική αύξηση; Ιδού, άκρως περιγραφική, διά στόματος του κ. Δασκαλάκη, η απάντηση: «Φανταστείτε ότι βρίσκομαι σε ένα τεράστιο γήπεδο με άλλους 10.000.000 Ελληνες. Ας πούμε ότι εγώ έχω κόκκινο χρώμα και όλοι οι άλλοι έχουν μπλε. Στο σενάριό μας, κόκκινο χρώμα έχει κάποιος που έχει τον ιό αυτή τη στιγμή ή τον είχε κάποτε στο παρελθόν. Αρχικώς έχουμε έναν ασθενή, εμένα. Στα χέρια μου έχω δύο κόκκινα μπαλάκια που αντιπροσωπεύουν σε πόσους θα μεταδώσω τον ιό. Οπως είπαμε πριν, σύμφωνα με τις επικρατέστερες εκτιμήσεις κάθε ασθενής μεταδίδει τον ιό σε 2 με 3 άλλους ανθρώπους – ας πούμε σε 2 στο συγκεκριμένο παράδειγμα.

»Πετάω λοιπόν τα δύο μου μπαλάκια σε τυχαίους ανθρώπους μέσα στο γήπεδο. Αυτοί είναι οι δύο τυχαίοι, άτυχοι συμπολίτες μου που πήραν τον ιό από εμένα. Καθένας από αυτούς αυτομάτως μολύνεται με τον νέο κορωνοϊό και από μπλε γίνεται κόκκινος. Επίσης, το μπαλάκι που έπιασε, κλωνοποιείται και έχει τώρα στα χέρια του δύο μπαλάκια να πετάξει, δηλαδή δύο ανθρώπους να μολύνει με τη σειρά του.

»Στον επόμενο γύρο, οι δύο κόκκινοι άνθρωποι που «δημιουργήθηκαν» από τα μπαλάκια μου πετάνε τα δικά τους μπαλάκια σε τυχαίες κατευθύνσεις. Τώρα πετάγονται τέσσερα μπαλάκια συνολικά. Οσοι τα πιάνουν μολύνονται και αυτοί και αποκτούν και εκείνοι δύο μπαλάκια ο καθένας να πετάξουν στον μεθεπόμενο γύρο, και ούτω καθεξής. Σε κάθε γύρο, όταν ένα μπαλάκι πέφτει σε μπλε άνθρωπο τον κάνει κόκκινο, και εκείνος παίρνει δύο μπαλάκια για να μολύνει με τη σειρά του άλλους δύο στον επόμενο γύρο. Ενα μπαλάκι όμως που πέφτει σε κόκκινο άνθρωπο χάνεται. Δεν έχει κανένα αποτέλεσμα γιατί ο κόκκινος άνθρωπος έχει ήδη περάσει τον κορωνοϊό και έχει ανοσία.

»Οσο ο αριθμός των κόκκινων ανθρώπων, των μολυσμένων ήδη δηλαδή, είναι αρκετά μικρότερος από εκείνον των μπλε, των μη μολυσμένων, τα κόκκινα μπαλάκια θα πέφτουν με τεράστια πιθανότητα σε μπλε ανθρώπους και θα δημιουργούν καινούργια κρούσματα. Οταν οι κόκκινοι άνθρωποι αυξηθούν αρκετά, και γίνουν για παράδειγμα ένα εκατομμύριο, τότε η πιθανότητα ένα μπαλάκι να πέσει σε μπλε άνθρωπο θα γίνει 9 στα 10. Οταν οι κόκκινοι γίνουν δύο εκατομμύρια, τότε η πιθανότητα ένα μπαλάκι να πέσει σε μπλε άνθρωπο θα γίνει 8 στα 10. Οταν φθάσουμε να έχουμε στο γήπεδο περισσότερα κόκκινα από μπλε άτομα τότε κάθε νέος κόκκινος άνθρωπος που πετάει τα δύο μπαλάκια του αναμένεται να χτυπήσει λιγότερους από έναν μπλε ανθρώπους κατά μέσο όρο.

»Εκεί πέφτει ο ρυθμός αναπαραγωγής του ιού κάτω από το σημαντικό κατώφλι της μονάδας και η εκθετική αύξηση αρχίζει να ανακόπτεται! Το συμπέρασμα της ιστορίας είναι το εξής: Αν κάθε ασθενής δίνει τον κορωνοϊό σε άλλους δύο, τότε πρέπει να αρρωστήσει πάνω από το 50% του πληθυσμού πριν αρχίσει το φρένο στην εκθετική εξάπλωση του ιού. Αν κάθε ασθενής δίνει τον ιό σε τρεις άλλους, τότε, με παρόμοιους υπολογισμούς, προκύπτει ότι πρέπει να νοσήσει πάνω από το 67% του πληθυσμού πριν αρχίσει να μπαίνει φρένο στην εκθετική».

Απροστάτευτη αγέλη

Αυτή είναι και η λογική της ανοσίας της αγέλης, η οποία όμως συνδέεται με πολύ σοβαρά προβλήματα, όπως εξήγησε ο καθηγητής του ΜΙΤ. «Από τα ποσοστά θνησιμότητας που έχουν υπολογιστεί για τον ιό προκύπτει ότι πεθαίνει περίπου το 1% με 2% όσων νοσούν, για μια χώρα σαν την Ελλάδα που έχει αρκετά γηρασμένο πληθυσμό.

»Ωστόσο, αν για παράδειγμα αφηνόταν να νοσήσει ένα 70% του συνολικού πληθυσμού, στην πραγματικότητα το ποσοστό θνησιμότητας θα ανερχόταν ίσως και στο 5%, που αντιπροσωπεύει το ποσοστό των ασθενών που χρήζουν νοσηλείας. Και αυτό θα συνέβαινε διότι θα βλέπαμε τεράστιο αριθμό ασθενών που θα έπρεπε να νοσηλευθούν ταυτόχρονα, έναν αριθμό πολλές φορές μεγαλύτερο από αυτόν που το σύστημα υγείας μας θα μπορούσε να περιθάλψει.

»Θα αναγκαζόμασταν τότε να μπούμε σε μια λογική διαχωρισμού των βαριά ασθενών σε αυτούς που θα τύγχαναν νοσηλείας και σε εκείνους που θα αφήνονταν στην τύχη τους, όπως βλέπουμε ήδη να συμβαίνει στην Ιταλία». Σε τι θα μεταφράζονταν αυτά τα ποσοστά αν στη χώρα μας αφήναμε τα πράγματα στην τύχη τους; Με απλούς υπολογισμούς, αν αφήναμε να μολυνθούν έξι με επτά εκατομμύρια Ελληνες για να επιτευχθεί ανοσία της αγέλης, τα θύματα που θα άφηνε ο ιός πίσω του θα ήταν εκατοντάδες χιλιάδες!