Ponieważ COVID-19 rozprzestrzenia się na całym świecie, przywódcy opierają się na modelach matematycznych, aby podejmować decyzje dotyczące zdrowia publicznego i gospodarki.

Nowy model opracowany przez naukowców z Princeton i Carnegie Mellon poprawia śledzenie epidemii poprzez rozliczanie mutacji w chorobach. Teraz naukowcy pracują nad zastosowaniem swojego modelu, aby umożliwić liderom ocenę skutków środków zaradczych w przypadku epidemii, zanim je wdrożą.

"Chcemy być w stanie rozważyć interwencje takie jak kwarantanny, izolowanie ludzi, itp., a następnie zobaczyć, jak wpływają one na rozprzestrzenianie się epidemii, gdy patogen mutuje w miarę rozprzestrzeniania się," powiedział H. Vincent Poor, jeden z badaczy tego badania i tymczasowy dziekan inżynierii w Princeton.

Modele stosowane obecnie do śledzenia epidemii wykorzystują dane od lekarzy i pracowników służby zdrowia do prognozowania rozwoju choroby. Biedny, Michael Henry Strater University Professor of Electrical Engineering, powiedział, że model najczęściej używany obecnie nie jest przeznaczony do śledzenia zmian w chorobie jest śledzony. Ta niezdolność do rozliczania się ze zmian w chorobie może utrudnić liderom przeciwdziałanie rozprzestrzenianiu się choroby. Wiedza o tym, jak mutacja może wpływać na przenoszenie lub zjadliwość choroby, może pomóc liderom w podjęciu decyzji, kiedy wprowadzić nakaz izolacji lub wysłać dodatkowe zasoby na dany obszar.

"W rzeczywistości są to rzeczy fizyczne, ale w tym modelu są one wyabstrahowane do parametrów, które mogą pomóc nam łatwiej zrozumieć skutki polityki i mutacji", powiedział Poor.

Jeśli naukowcy mogą prawidłowo uwzględnić środki przeciwdziałające rozprzestrzenianiu się choroby, mogą dać przywódcom krytyczne spostrzeżenia na temat najlepszych kroków, które mogą podjąć w obliczu pandemii. Naukowcy opierają się na pracach opublikowanych 17 marca w "Proceedings of the National Academy of Sciences". W artykule tym opisują oni, w jaki sposób ich model jest w stanie śledzić zmiany w rozprzestrzenianiu się epidemii spowodowane mutacją organizmu chorobowego. Badacze pracują obecnie nad dostosowaniem modelu w taki sposób, aby uwzględniał on również działania w zakresie zdrowia publicznego podejmowane w celu powstrzymania epidemii.

Praca badaczy opiera się na badaniu przepływu informacji przez sieci społecznościowe, który ma niezwykłe podobieństwo do rozprzestrzeniania się infekcji biologicznych. W szczególności, na rozprzestrzenianie się informacji mają wpływ niewielkie zmiany w samej informacji. Na przykład, jeśli coś stanie się nieco bardziej ekscytujące dla odbiorców, mogą oni być bardziej skłonni przekazać je dalej lub przekazać szerszej grupie osób. Modelując takie zmiany, można zobaczyć, jak zmiany w przekazie zmieniają jego docelową grupę odbiorców.

"Rozprzestrzenianie się plotki lub informacji przez sieć jest bardzo podobne do rozprzestrzeniania się wirusa przez ludność", powiedział biedny. "Różne informacje mają różne współczynniki przenoszenia. Nasz model pozwala nam na rozważenie zmian w informacji w miarę jej rozprzestrzeniania się w sieci i wpływu tych zmian na rozprzestrzenianie się".

"Nasz model jest agnostyczny w odniesieniu do fizycznej sieci łączności między jednostkami", powiedział Poorny, ekspert w dziedzinie teorii informacji, którego praca pomogła stworzyć nowoczesne sieci komórkowe. "Informacje są abstrahowane na wykresach podłączonych węzłów; węzły te mogą być źródłem informacji lub potencjalnym źródłem infekcji".

Uzyskanie dokładnych informacji jest niezwykle trudne podczas trwającej pandemii, gdy okoliczności zmieniają się codziennie, jak to miało miejsce w przypadku wirusa COVID-19. "To jest jak dziki ogień". Nie możesz zawsze czekać, aż zbierzesz dane, aby podjąć decyzję - posiadanie modelu może pomóc wypełnić tę pustkę," powiedział biedny.

"Miejmy nadzieję, że ten model może dać liderom inne narzędzie do lepszego zrozumienia powodów, dla których, na przykład, wirus COVID-19 rozprzestrzenia się tak szybko, niż przewidywano, a tym samym pomóc im wdrożyć bardziej skuteczne i terminowe środki zaradcze," Poor powiedział.

Oprócz Biednych, współautorzy to badacze Rashad Eletreby, Yong Zhuang, Kathleen Carley i Osman Yağan z Carnegie Mellon. Prace były częściowo wspierane przez Biuro Badań Wojskowych, Narodową Fundację Naukową i Biuro Badań Marynarki Wojennej.