Terwijl de wereld worstelt met de COVID-19-pandemie, een nieuw wiskundig model zou inzichten kunnen bieden over hoe toekomstige epidemische voorspellingen kunnen worden verbeterd op basis van hoe informatie muteert terwijl deze van persoon naar persoon en van groep naar groep wordt overgedragen.

Het Amerikaanse leger financierde dit model, ontwikkeld door onderzoekers van Carnegie Mellon University en Princeton University, via het Army Research Office van het Army Research Laboratory, beide elementen van het Combat Capabilities Development Command.

Het model suggereert dat ideeën en informatie zich verspreiden en evolueren tussen individuen met patronen die lijken op genen in die zin dat ze zichzelf repliceren, muteren en reageren op selectieve druk tijdens interactie met hun gastheer.

"Deze evolutionaire veranderingen hebben een enorme impact, " zei CyLab-faculteitslid Osman Yagan, een associate research professor in Electrical and Computer Engineering aan de Carnegie Mellon University en corresponderende auteur van de studie. "Als je geen rekening houdt met de mogelijke veranderingen in de tijd, je zult het bij het verkeerde eind hebben bij het voorspellen van het aantal mensen dat ziek zal worden of het aantal mensen dat wordt blootgesteld aan een stukje informatie."

In hun studie hebben gepubliceerd op 17 maart in de Proceedings van de National Academy of Sciences , de onderzoekers ontwikkelden een wiskundig model dat rekening houdt met de evolutionaire veranderingen van zowel ziekte als informatie. Het onderzoek testte het model tegen duizenden computergesimuleerde epidemieën met behulp van gegevens van twee echte netwerken:een contactnetwerk tussen studenten, leraren, en personeel van een Amerikaanse middelbare school, en een netwerk van contacten tussen personeel en patiënten in een ziekenhuis in Lyon, Frankrijk.

"We hebben laten zien dat onze theorie werkt via echte netwerken, " zei de eerste auteur van de studie, Rashad Eletreby, die een Carnegie Mellon-promovendus was toen hij het artikel schreef. "Traditionele modellen die geen rekening houden met evolutionaire aanpassingen slagen er niet in de waarschijnlijkheid van het ontstaan ​​van een epidemie te voorspellen."

De onderzoekers zeiden dat het epidemische model dat tegenwoordig het meest wordt gebruikt, niet is ontworpen om rekening te houden met veranderingen in de ziekte die wordt gevolgd. Dit onvermogen om veranderingen in de ziekte te verklaren, kan het voor leiders moeilijker maken om de verspreiding van een ziekte tegen te gaan of om effectieve beslissingen op het gebied van de volksgezondheid te nemen, zoals wanneer ze thuis moeten blijven of extra middelen naar een gebied moeten sturen.

"De verspreiding van een gerucht of van informatie via een netwerk lijkt sterk op de verspreiding van een virus door een bevolking, " zei Dr. H. Vincent Poor, een van de onderzoekers van deze studie en de interim-decaan van Engineering van Princeton. "Verschillende stukjes informatie hebben verschillende transmissiesnelheden. Ons model stelt ons in staat om veranderingen in informatie in overweging te nemen terwijl deze zich via het netwerk verspreidt en hoe die veranderingen de verspreiding beïnvloeden."

Hoewel de studie geen wondermiddel is om de verspreiding van het huidige coronavirus of de verspreiding van verkeerde informatie te voorspellen, de auteurs noemen het een grote stap.

In de toekomst, het team hoopt dat hun onderzoek kan worden gebruikt om het volgen van epidemieën en pandemieën te verbeteren door rekening te houden met mutaties in ziekten en uiteindelijk interventies zoals quarantaines te overwegen en vervolgens te voorspellen hoe die interventies de verspreiding van een epidemie zouden beïnvloeden wanneer de ziekteverwekker muteert terwijl deze zich verspreidt.

"Dit werk toont het belang aan van fundamenteel onderzoek en het vermogen van wetenschappers in verschillende disciplines om elkaars werk te informeren, " zei Dr. Edward Palazzolo, programmamanager voor het programma Social and Cognitive Networks bij het Army Research Office. "Hoewel in de beginfase, deze modellen zijn veelbelovend voor het begrijpen van netwerkdiffusie in het licht van mutaties."

Naast het leger, de National Science Foundation en het Office of Naval Research ondersteunden ook dit onderzoek. Andere onderzoekers waren co-auteur van het artikel, onder meer Yong Zhuang en Kathleen Carley van de Carnegie Mellon University.