Cuando los científicos intentan predecir la propagación de algo a través de las poblaciones, desde un coronavirus hasta información errónea, utilizan modelos matemáticos complejos para hacerlo. Por lo general, estudiarán los primeros pasos en los que el sujeto se propaga y utilizaránesa tasa para proyectar qué tan lejos y amplio será el spread.
¿Pero qué sucede si un patógeno muta, o la información se modifica, cambiando la velocidad a la que se propaga? En un nuevo estudio que aparece en la edición de esta semana de Actas de la Academia Nacional de Ciencias PNAS , un equipo de investigadores de la Universidad Carnegie Mellon muestra por primera vez la importancia de estas consideraciones.
"Estos cambios evolutivos tienen un gran impacto", dice Osman Yagan, miembro de la facultad de CyLab, profesor investigador asociado en Ingeniería Eléctrica e Informática ECE y autor correspondiente del estudio ". Si no considera los posibles cambios con el tiempo, se equivocará al predecir el número de personas que se enfermarán o el número de personas que están expuestas a una información ".
La mayoría de las personas están familiarizadas con las epidemias de enfermedades, pero la información en sí misma, hoy en día viajando a la velocidad de la luz en las redes sociales, puede experimentar su propio tipo de epidemia y "volverse viral". Si una información se vuelve viral o no puede dependersobre cómo se ajusta el mensaje original.
"Algunas informaciones erróneas son intencionales, pero otras pueden desarrollarse orgánicamente cuando muchas personas hacen pequeños cambios secuencialmente como un juego de 'teléfono'", dice Yagan. "Una información aparentemente aburrida puede convertirse en un Tweet viral, y nosotrosnecesitan poder predecir cómo se propagan estas cosas "
En su estudio, los investigadores desarrollaron una teoría matemática que toma en cuenta estos cambios evolutivos. Luego probaron su teoría contra miles de epidemias simuladas por computadora en redes del mundo real, como Twitter para la difusión de información o un hospital parala propagación de la enfermedad
En el contexto de la propagación de enfermedades infecciosas, el equipo realizó miles de simulaciones utilizando datos de dos redes del mundo real: una red de contacto entre estudiantes, maestros y personal de una escuela secundaria de EE. UU., Y una red de contacto entre personal y pacientesen un hospital en Lyon, Francia.
Estas simulaciones sirvieron como banco de pruebas: la teoría que coincide con lo que se observa en las simulaciones resultaría ser la más precisa.
"Demostramos que nuestra teoría funciona en redes del mundo real", dice el primer autor del estudio, Rashad Eletreby, que era estudiante de doctorado en Carnegie Mellon cuando escribió el artículo ". Modelos tradicionales que no consideran evolutivolas adaptaciones fallan al predecir la probabilidad del surgimiento de una epidemia "
Si bien el estudio no es una bala de plata para predecir la propagación del coronavirus de hoy o la difusión de noticias falsas en el volátil entorno político actual con una precisión del 100%, se necesitarían datos en tiempo real para rastrear la evolución del patógeno o la informaciónpara hacer eso, los autores dicen que es un gran paso.
"Estamos un paso más cerca de la realidad", dice Eletreby.
Otros autores en el estudio incluyeron al estudiante de doctorado de ECE Yong Zhuang, la profesora del Instituto de Investigación de Software Kathleen Carley y el profesor de Ingeniería Eléctrica de Princeton, Vincent Poor.
Fuente de la historia :
Materiales proporcionado por Facultad de Ingeniería, Universidad Carnegie Mellon . Original escrito por Daniel Tkacik. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :