Teoria matematica per prevedere un'epidemia

Un team di ricercatori ha sviluppato una teoria matematica che prevede con maggiore precisione la probabilità di insorgenza di un'epidemia rispetto ai modelli tradizionali che ignorano gli adattamenti evolutivi.

Quando gli scienziati provano a prevedere la diffusione di qualcosa tra le popolazioni - qualsiasi cosa, da un coronavirus alla disinformazione - usano modelli matematici complessi per farlo. Tipicamente, essi studieranno i primi passi in cui il soggetto si diffonde e useranno quel tasso per proiettare come si propagherà la diffusione.

Ma cosa succede se un agente patogeno muta o le informazioni vengono modificate, cambiando la velocità con cui si diffonde? In un nuovo studio che appare su Proceedings of National Academy of Sciences (PNAS), (1) un team di ricercatori della Carnegie Mellon University dimostra per la prima volta quanto siano importanti queste considerazioni.

«Questi cambiamenti evolutivi hanno un impatto enorme», afferma il dottor Osman Yagan, (2) docente del CyLab, (3) professore associato di ingegneria elettrica e informatica (ECE) e autore dello studio. «Se non consideri i potenziali cambiamenti nel tempo, sbaglierai nel prevedere il numero di persone che si ammaleranno o il numero di persone che sono esposte a un'informazione».

La maggior parte delle persone ha familiarità con le epidemie della malattia, ma le informazioni stesse - oggigiorno viaggiando alla velocità della luce sui social media - possono sperimentare il proprio tipo di epidemia e “diventare virali”. Il fatto che un'informazione diventi virale o meno può dipendere da come viene modificato il messaggio originale.

«Alcune notizie alterate (disinformazione) sono intenzionali, ma alcune possono svilupparsi organicamente quando molte persone eseguono sequenzialmente piccoli cambiamenti del testo, come una sorta di “gioco telefonico”», afferma il dottor Osman Yagan. «Un'informazione apparentemente noiosa può trasformarsi in un Tweet virale e dobbiamo essere in grado di prevedere come si diffondono queste cose».

Nel loro studio, i ricercatori hanno sviluppato una teoria matematica che prende in considerazione questi cambiamenti evolutivi. Essi hanno quindi testato la loro teoria in migliaia di epidemie simulate al computer in reti del mondo reale, come Twitter per la diffusione di informazioni o un ospedale per la diffusione di malattie.

Nel contesto della diffusione di malattie infettive, il team ha eseguito migliaia di simulazioni utilizzando i dati di due reti del mondo reale: una rete di contatto tra studenti, insegnanti e personale di una scuola superiore degli Stati Uniti e una rete di contatto tra personale e pazienti in un ospedale di Lione in Francia.

Queste simulazioni sono servite da banco di prova: la teoria che corrisponde a ciò che viene osservato nelle simulazioni si rivelerebbe più accurata.

«Abbiamo dimostrato che la nostra teoria funziona su reti del mondo reale», afferma il dottor Rashad Eletreby Ph.D., (4) primo autore dello studio, dottorato di ricerca del College of Engineering, Carnegie Mellon University. «I modelli tradizionali che non considerano gli adattamenti evolutivi non riescono a prevedere la probabilità della comparsa di un'epidemia.»

Lo studio non rappresenta la soluzione per prevedere la diffusione del coronavirus di oggi o la diffusione di notizie false nell'attuale ambiente politico instabile con un'accuratezza del 100%. Per fare ciò occorrerebbero dati in tempo reale che traccino l'evoluzione dell'agente patogeno o informazioni - gli autori dicono che è un grande passo.

«Siamo un passo avanti verso la realtà», afferma il dottor Rashad Eletreby.

Altri autori dello studio includevano il dottorato di ricerca ECE. la studentessa Yong Zhuang, professoressa Kathleen Carley (5) dell'Institute for Software Research e Vincent Poor, professore di ingegneria elettrica di Princeton.

Riferimenti:

(1) The effects of evolutionary adaptations on spreading processes in complex networks

(2) Osman Yagan

(3) CyLab

(4) Rashad Eletreby

(5) Kathleen Carley

Descrizione foto: un team di ricercatori del College of Engineering, Carnegie Mellon University ha sviluppato una teoria matematica che predice in modo più accurato la probabilità di insorgenza di un'epidemia rispetto ai modelli tradizionali che ignorano gli adattamenti evolutivi. - Credit: College of Engineering, Carnegie Mellon University.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: To predict an epidemic, evolution can’t be ignored