Publieke voorlichtingscampagnes kunnen de verspreiding van verwoestende maar behandelbare ziekten zoals tuberculose (tbc), malaria en gonorroe. Maar ervoor zorgen dat deze campagnes effectief niet-gediagnosticeerde patiënten bereiken, die onbewust de ziekte aan anderen kan verspreiden, is een grote uitdaging voor openbare gezondheidsinstanties die krap bij kas zitten. Nutsvoorzieningen, een team van onderzoekers van de USC Viterbi School of Engineering heeft een algoritme ontwikkeld dat beleidsmakers kan helpen de algehele verspreiding van ziekten te verminderen. Het algoritme is ook geoptimaliseerd om de beperkte middelen optimaal te benutten, zoals advertentiebudgetten.

Om het algoritme te maken, de onderzoekers gebruikten gegevens, inclusief gedrags-, demografische en epidemische ziektetrends, om een ​​model van ziekteverspreiding te creëren dat de onderliggende populatiedynamiek en contactpatronen tussen mensen vastlegt.

Met behulp van computersimulaties, de onderzoekers testten het algoritme op twee echte gevallen:tuberculose (tbc) in India en gonorroe in de Verenigde Staten. In beide gevallen, ze ontdekten dat het algoritme beter werk leverde bij het verminderen van ziektegevallen dan het huidige gezondheidsbeleid door informatie over deze ziekten te delen met personen die mogelijk het meeste risico lopen.

De studie werd gepubliceerd in de AAAI Conference on Artificial Intelligence. De auteurs zijn Bryan Wilder, een kandidaat voor een doctoraat in de informatica, Milde Tambe, de Helen N. en Emmett H. Jones Professor in Engineering, een professor in computerwetenschappen en industriële en systeemtechniek en mede-oprichter van het USC Center for AI in Society en Sze-chuan Suen, een assistent-professor in industriële en systeemtechniek.

"Onze studie toont aan dat een geavanceerd algoritme de verspreiding van ziekten in het algemeen aanzienlijk kan verminderen, " zegt Wilders, de eerste auteur van het artikel. “We kunnen een groot verschil maken, en zelfs levens redden, gewoon door een beetje slimmer te zijn over hoe we middelen gebruiken en gezondheidsinformatie delen met het publiek."

Ziektedynamiek onthullen

Ook bleek het algoritme meer strategisch gebruik te maken van middelen. Het team constateerde dat het sterk geconcentreerd was op bepaalde groepen en niet simpelweg meer budget toewees aan groepen met een hoge prevalentie van de ziekte. Dit lijkt erop te wijzen dat het algoritme gebruikmaakt van niet-voor de hand liggende patronen en gebruikmaakt van soms subtiele interacties tussen variabelen die mensen mogelijk niet kunnen lokaliseren.

De wiskundige modellen van het team houden er ook rekening mee dat mensen bewegen, leeftijd, en ga dood, weerspiegelt een meer realistische populatiedynamiek dan veel bestaande algoritmen voor ziektebestrijding. Bijvoorbeeld, mensen zijn misschien niet meteen genezen, dus het verminderen van de prevalentie op 30-jarige leeftijd zou kunnen betekenen dat er gerichte communicatie over de volksgezondheid wordt gemaakt voor mensen op 27-jarige leeftijd.

"Hoewel er veel methoden zijn om patiëntenpopulaties te identificeren voor gezondheidscampagnes, niet veel mensen houden rekening met de interactie tussen veranderende populatiepatronen en ziektedynamiek in de loop van de tijd, " zegt Suen, die ook een aanstelling heeft als universitair docent in het Leonard D. Schaeffer Center for Health Policy and Economics.

"Nog steeds minder overwegen hoe een algoritmische benadering te gebruiken om dit beleid te optimaliseren, gezien de onzekerheid van onze schattingen van deze ziektedynamiek. We houden met beide effecten rekening in onze aanpak."

Aangezien transmissiepatronen voor infectie variëren met de leeftijd, het onderzoeksteam gebruikte op leeftijd gestratificeerde gegevens om de optimale doelgroep voor de volksgezondheidscommunicatie te bepalen. Maar het algoritme kan ook populaties segmenteren met behulp van andere variabelen, inclusief geslacht en locatie.

In de toekomst, de inzichten van de studie kunnen ook licht werpen op gezondheidsresultaten voor andere interventies op het gebied van infectieziekten, zoals hiv of griep.