Исследователи надеются улучшить прогнозы эпидемии в будущем

Поскольку мир борется с пандемией COVID-19, новая математическая модель может дать представление о том, как улучшить прогнозы эпидемии в будущем на основе того, как информация мутирует при ее передаче от человека человеку и от группы к группе, по информации сайта mzhost.ru.

Армия США финансировала эту модель, разработанную исследователями из Университета Карнеги-Меллона и Принстонского университета, через Отдел исследований армии в Исследовательской лаборатории армии, оба составляющие Команду по развитию боевых возможностей.

Модель предполагает, что идеи и информация распространяются и развиваются между людьми с паттернами, подобными генам в том, что они самовоспроизводятся, мутируют и реагируют на избирательное давление, когда они взаимодействуют со своим хозяином.

«Эти эволюционные изменения оказывают огромное влияние», - сказал профессор-преподаватель CyLab Осман Яган, доцент кафедры электротехники и вычислительной техники в Университете Карнеги-Меллона и соответствующий автор исследования. «Если вы не учитываете потенциальные изменения с течением времени, вы ошибаетесь в прогнозировании количества людей, которые заболеют, или числа людей, которые подвергаются воздействию какой-либо информации».

В своем исследовании, опубликованном 17 марта в Трудах Национальной академии наук , исследователи разработали математическую модель, которая учитывает эволюционные изменения как болезней, так и информации. В ходе исследования была протестирована модель против тысяч компьютерных эпидемий с использованием данных из двух реальных сетей: сети контактов между учащимися, преподавателями и сотрудниками средней школы США, а также сети контактов между персоналом и пациентами в больнице в Лионе. Франция

«Мы показали, что наша теория работает в реальных сетях», - сказал первый автор исследования Рашад Элетреби, который был докторантом Карнеги-Меллона, когда писал эту статью. «Традиционные модели, которые не учитывают эволюционную адаптацию, не способны предсказать вероятность возникновения эпидемии».

По словам исследователей, наиболее широко используемая сегодня эпидемическая модель не предназначена для учета изменений в отслеживаемой болезни. Эта неспособность учитывать изменения в заболевании может затруднить руководителям борьбу с распространением заболевания или принятие эффективных решений в области общественного здравоохранения, таких как, когда устанавливать домашние заказы или направлять дополнительные ресурсы в район.

«Распространение слухов или информации через сеть очень похоже на распространение вируса среди населения», - сказал д-р Х. Винсент Пур, один из исследователей этого исследования и временный декан Принстона по инженерии. «Разные фрагменты информации имеют разные скорости передачи. Наша модель позволяет нам учитывать изменения в информации при ее распространении по сети и о том, как эти изменения влияют на распространение».

Хотя исследование не является «серебряной пулей» для прогнозирования распространения современного коронавируса или распространения дезинформации, авторы говорят, что это большой шаг.

В будущем команда надеется, что их исследования могут быть использованы для улучшения отслеживания эпидемий и пандемий путем учета мутаций при заболеваниях и, в конечном итоге, рассмотрения таких мер, как карантин, и последующего прогнозирования того, как эти вмешательства повлияют на распространение эпидемии, когда возбудитель мутирует как это распространяется.

«Эта работа демонстрирует важность фундаментальных исследований и способность ученых в различных дисциплинах информировать друг друга о работе», - сказал д-р Эдвард Палаццоло, руководитель программы Программы социальных и когнитивных сетей в Исследовательском бюро армии. «Хотя на ранних стадиях эти модели показывают многообещающее понимание распространения сети в свете мутаций».

В дополнение к армии, Национальный научный фонд и Управление военно-морских исследований также поддержали это исследование. В соавторстве с другими исследователями являются Йонг Чжуан и Кэтлин Карли из Университета Карнеги-Меллона.