Forskere håber at forbedre fremtidige epidemierudsigelser

Mens verden kæmper med COVID-19-pandemien, en ny matematisk model kunne give indsigt i, hvordan man kan forbedre fremtidige epidemiske forudsigelser baseret på, hvordan information muterer, når den overføres fra person til person og gruppe til gruppe.

Den amerikanske hær finansierede denne model, udviklet af forskere ved Carnegie Mellon University og Princeton University, gennem hærens forskningslaboratoriums hærens forskningskontor, begge dele af Combat Capabilities Development Command.

Modellen antyder, at ideer og information spredes og udvikler sig mellem individer med mønstre, der ligner gener, idet de selv replikerer, mutere og reagere på selektivt pres, når de interagerer med deres vært.

"Disse evolutionære ændringer har en enorm indflydelse, " sagde CyLab fakultetsmedlem Osman Yagan, en lektor i elektro- og computerteknik ved Carnegie Mellon University og tilsvarende forfatter til undersøgelsen. "Hvis du ikke overvejer de potentielle ændringer over tid, du vil tage fejl i at forudsige antallet af mennesker, der bliver syge, eller antallet af mennesker, der bliver udsat for en information."

I deres undersøgelse, udgivet 17. marts i Proceedings of the National Academy of Sciences , forskerne udviklede en matematisk model, der tager de evolutionære ændringer af både sygdom og information i betragtning. Forskningen testede modellen mod tusindvis af computersimulerede epidemier ved hjælp af data fra to virkelige netværk:et kontaktnetværk blandt studerende, lærere, og personale på en amerikansk high school, og et kontaktnetværk blandt personale og patienter på et hospital i Lyon, Frankrig.

"Vi viste, at vores teori fungerer over netværk i den virkelige verden, " sagde undersøgelsens første forfatter, Rashad Eletreby, som var Carnegie Mellon doktorgradskandidat, da han skrev papiret. "Traditionelle modeller, der ikke overvejer evolutionære tilpasninger, fejler i at forudsige sandsynligheden for, at en epidemi opstår."

Forskerne sagde, at den epidemiske model, der er mest brugt i dag, ikke er designet til at tage højde for ændringer i den sygdom, der spores. Denne manglende evne til at tage højde for ændringer i sygdommen kan gøre det sværere for ledere at imødegå en sygdoms spredning eller træffe effektive folkesundhedsbeslutninger, såsom hvornår de skal indgive ordrer om ophold i hjemmet eller sende yderligere ressourcer til et område.

"Spredningen af ​​et rygte eller information gennem et netværk ligner meget spredningen af ​​en virus gennem en befolkning, " sagde Dr. H. Vincent Poor, en af ​​forskerne i denne undersøgelse og Princetons midlertidige dekan for ingeniørvidenskab. "Forskellige stykker information har forskellige transmissionshastigheder. Vores model giver os mulighed for at overveje ændringer af information, når den spredes gennem netværket, og hvordan disse ændringer påvirker spredningen."

Selvom undersøgelsen ikke er en sølvkugle til at forudsige spredningen af ​​nutidens coronavirus eller spredningen af ​​misinformation, forfatterne siger, at det er et stort skridt.

I fremtiden, holdet håber, at deres forskning kan bruges til at forbedre sporingen af ​​epidemier og pandemier ved at tage højde for mutationer i sygdomme og i sidste ende overveje interventioner som karantæner og derefter forudsige, hvordan disse indgreb vil påvirke en epidemi's spredning, når patogenet muterer, mens det spredes.

"Dette arbejde viser vigtigheden af ​​grundforskning og videnskabsmænds evne til at informere hinandens arbejde i forskellige discipliner, " sagde Dr. Edward Palazzolo, programleder for Social and Cognitive Networks Programme ved Hærens Forskningskontor. "Selvom det i sine tidlige stadier, disse modeller viser løfte om at forstå netværksdiffusion i lyset af mutationer."

Ud over hæren, National Science Foundation og Office of Naval Research støttede også denne forskning. Andre forskere, der var medforfatter til papiret, inkluderer Yong Zhuang og Kathleen Carley fra Carnegie Mellon University.