Οι τεχνικές που χρησιμοποιούνται στην πρόγνωση του καιρού μπορούν να επαναπροσδιοριστούν για να παρέχουν στα άτομα μια εξατομικευμένη αξιολόγηση του κινδύνου έκθεσής τους στην COVID-19 ή άλλους ιούς, σύμφωνα με νέα έρευνα που δημοσιεύτηκε από επιστήμονες του Caltech. Η τεχνική έχει τη δυνατότητα να είναι πιο αποτελεσματική και λιγότερο παρεμβατική από τα γενικά lockdown για την καταπολέμηση της εξάπλωσης της νόσου, λέει ο Tapio Schneider, καθηγητής Περιβαλλοντικής Επιστήμης και Μηχανικής Theodore Y. Wu. ανώτερος ερευνητής στο JPL, το οποίο διαχειρίζεται το Caltech για τη NASA. Και ο κύριος συγγραφέας μιας μελέτης για τη νέα έρευνα που δημοσιεύτηκε από το PLOS Computational Biology στις 23 Ιουνίου.
“Για αυτήν την πανδημία, μπορεί να είναι πολύ αργά”, λέει ο Schneider, “αλλά αυτή δεν πρόκειται να είναι η τελευταία επιδημία που θα αντιμετωπίσουμε. Αυτό είναι χρήσιμο και για την παρακολούθηση άλλων μολυσματικών ασθενειών.” Κατ ‘αρχήν, η ιδέα είναι απλή: Τα μοντέλα πρόγνωσης καιρού απορροφούν πολλά δεδομένα – για παράδειγμα, μετρήσεις της ταχύτητας και της κατεύθυνσης του ανέμου, της θερμοκρασίας και της υγρασίας από τοπικούς μετεωρολογικούς σταθμούς, εκτός από δορυφορικά δεδομένα. Χρησιμοποιούν τα δεδομένα για να εκτιμήσουν ποια είναι η τρέχουσα κατάσταση της ατμόσφαιρας, να προβλέψουν την εξέλιξη του καιρού στο μέλλον και στη συνέχεια να επαναλάβουν τον κύκλο αναμειγνύοντας την προβλεπόμενη ατμοσφαιρική κατάσταση με νέα δεδομένα.
Με τον ίδιο τρόπο, η αξιολόγηση κινδύνου ασθένειας αξιοποιεί επίσης διάφορους τύπους διαθέσιμων δεδομένων για να κάνει μια εκτίμηση σχετικά με τον κίνδυνο έκθεσης ή μόλυνσης ενός ατόμου από ασθένεια, προβλέπει την εξάπλωση της νόσου σε ένα δίκτυο ανθρώπινων επαφών χρησιμοποιώντας ένα επιδημιολογικό μοντέλο και στη συνέχεια επαναλαμβάνει ο κύκλος συνδυάζοντας την πρόβλεψη με νέα δεδομένα. Τέτοιες αξιολογήσεις ενδέχεται να χρησιμοποιούν τα αποτελέσματα των δοκιμών επιτήρησης ενός ιδρύματος, δεδομένα από φορητούς αισθητήρες, αυτοαναφερόμενα συμπτώματα και στενές επαφές όπως καταγράφονται από smartphone και πίνακες εργαλείων αναφοράς ασθενειών των δήμων.
Η έρευνα που παρουσιάζεται στο PLOS Computational Biology είναι απόδειξη της ιδέας. Ωστόσο, το τελικό αποτέλεσμα θα ήταν μια εφαρμογή για έξυπνα τηλέφωνα που θα παρείχε σε ένα άτομο μια συχνά ενημερωμένη αριθμητική αξιολόγηση (δηλαδή ένα ποσοστό) που αντικατοπτρίζει την πιθανότητα να έχει εκτεθεί ή να έχει μολυνθεί από έναν συγκεκριμένο παράγοντα μολυσματικής νόσου, όπως η COVID- 19. Μια τέτοια εφαρμογή θα ήταν παρόμοια με τις υπάρχουσες εφαρμογές ειδοποίησης έκθεσης στην COVID-19, αλλά πιο εξελιγμένη και αποτελεσματική στη χρήση δεδομένων, λένε ο Schneider και οι συνεργάτες του. Αυτές οι εφαρμογές παρέχουν μια δυαδική αξιολόγηση έκθεσης.
Η νέα εφαρμογή που περιγράφεται στη μελέτη θα παρέχει μια πιο λεπτή κατανόηση των συνεχώς μεταβαλλόμενων κινδύνων έκθεσης και μόλυνσης καθώς τα άτομα έρχονται κοντά σε άλλους και καθώς τα δεδομένα σχετικά με τις λοιμώξεις διαδίδονται σε ένα συνεχώς εξελισσόμενο δίκτυο επαφών. Η ιδέα γεννήθηκε στις πρώτες μέρες της πανδημίας COVID-19, όταν οι συνάδελφοι και συνεργάτες Schneider και Chiara Daraio, ο G. Bradford Jones καθηγητής Μηχανολόγων Μηχανικών και Εφαρμοσμένης Φυσικής και Ερευνητής του Ιατρικού Ερευνητικού Ινστιτούτου Κληρονομιάς, βρέθηκαν απότομα σε απομόνωση στο σπίτι και αναρωτιούνται πώς να χρησιμοποιήσουν την επιστημονική και μηχανολογική τους πείρα για να βοηθήσουν τον κόσμο να αντιμετωπίσει αυτή τη νέα απειλή.
Η ευρεία χρήση τέτοιων ανιχνευτών θα επέτρεπε την καλύτερη παρακολούθηση και κατανόηση της εξάπλωσης της COVID-19;
“Οραματιζόμασταν κάτι σαν μια εφαρμογή πρόγνωσης καιρού, που εκμεταλλευόταν πληροφορίες από αισθητήρες, δεδομένα μόλυνσης και παρακολούθηση εγγύτητας, που θα μπορούσαν να χρησιμοποιήσουν οι άνθρωποι για να προσαρμόσουν τη συμπεριφορά τους για να μετριάσουν τους μεμονωμένους κινδύνους”, λέει ο Daraio, συν-συγγραφέας της εργασίας PLOS Computational Biology. Ο Schneider είναι επιστήμονας του κλίματος που διευθύνει την Climate Modeling Alliance (CliMA), η οποία αξιοποιεί τις πρόσφατες εξελίξεις στις επιστήμες υπολογιστών και δεδομένων για να αναπτύξει ένα εντελώς νέο κλιματικό μοντέλο. Επικοινώνησε με τον επί μακρόν γνωστό Τζέφρι Σάμαν του Πανεπιστημίου Κολούμπια. Η έρευνα του Shaman σχετικά με το πώς η κλιματική αλλαγή επηρεάζει την εξάπλωση μολυσματικών ασθενειών οδήγησε τον Shaman σε ενδιαφέρον για την επιδημιολογία και την προσαρμογή παρόμοιων μεθόδων πρόβλεψης καιρού για τη μοντελοποίηση ασθενειών σε κοινοτικό επίπεδο.
“Την τελευταία δεκαετία, το πεδίο της μοντελοποίησης μολυσματικών ασθενειών, και ειδικότερα της πρόβλεψης, έχει εκραγεί. Πολλές προσεγγίσεις πρόβλεψης ασθενειών αξιοποιούν το σύνολο και τις μεθόδους συμπερασμάτων που χρησιμοποιούνται συνήθως στην πρόβλεψη καιρού”, λέει ο Shaman, συν-συγγραφέας του PLOS Computational Biology χαρτί. Η ομάδα είχε δύο βασικές προκλήσεις:
- την προσαρμογή μεθόδων πρόβλεψης καιρού για το σκοπό αυτό
- και την ανάπτυξη ενός ρεαλιστικού κρεβατιού δοκιμής για να μετρήσει πόσο καλά λειτουργεί.
“Εννοιολογικά είναι μια πολύ ελκυστική ιδέα, καθώς οι μέθοδοι για την πρόβλεψη του καιρού ήταν τόσο αποτελεσματικές στην πρόβλεψη της χαοτικής ατμόσφαιρας, μια περίφημη πρόκληση”, λέει ο ερευνητής του Caltech Oliver Dunbar. “Αλλά δεν υπάρχει άμεση μετάφραση. Μια εφαρμογή πρόβλεψης επιδημιών έχει πολύ λίγα δεδομένα για να εργαστεί και μόνο σε ένα μερικό πληθυσμό χρηστών. Ευτυχώς βρήκαμε επιτυχία από τη συνεργασία αυξάνοντας αυτά τα αραιά δεδομένα με τις πιο πρόσφατες τεχνολογίες έξυπνων συσκευών και ένα μαθηματικό μοντέλο εξάπλωσης ιών”. Για να το δοκιμάσει, η ομάδα στράφηκε στον Lucas Böttcher της Σχολής Οικονομικών και Διοίκησης της Φρανκφούρτης στη Γερμανία. Ο Böttcher κατασκεύασε ένα μοντέλο υπολογιστή μιας φανταστικής πόλης με 100.000 “κόμβους” και στη συνέχεια μελέτησε πόσο καλά οι προσαρμοσμένες μέθοδοι πρόγνωσης καιρού προέβλεπαν την εξάπλωση μιας ασθένειας στον πληθυσμό .
Τα αποτελέσματα ήταν ενθαρρυντικά: Στις προσομοιώσεις, το μοντέλο εντόπισε έως και διπλάσιες πιθανές εκθέσεις από ό,τι θα μπορούσε να καταγραφεί από τις παραδοσιακές εφαρμογές ανίχνευσης επαφών ή ειδοποίησης έκθεσης όταν και οι δύο χρησιμοποιούν τα ίδια δεδομένα. “Οι μέθοδοι που αναπτύχθηκαν στη μελέτη μας είναι σχετικές όχι μόνο στο πλαίσιο της διαχείρισης μολυσματικών ασθενειών, αλλά ανοίγουν επίσης νέους τρόπους συνδυασμού δεδομένων παρατήρησης με μηχανιστικά μοντέλα υψηλών διαστάσεων που προκύπτουν στην υπολογιστική βιολογία”, λέει ο Böttcher, συν-συγγραφέας του Έργου Υπολογιστικής Βιολογίας PLOS.