A medida que el mundo se enfrenta a la pandemia de COVID-19, un nuevo modelo matemático podría ofrecer información sobre cómo mejorar las predicciones futuras de epidemias en función de cómo la información muta a medida que se transmite de persona a persona y de grupo a grupo.
El Ejército de EE. UU. Financió este modelo, desarrollado por investigadores de la Universidad Carnegie Mellon y la Universidad de Princeton, a través de la Oficina de Investigación del Ejército del Laboratorio de Investigación del Ejército, ambos elementos del Comando de Desarrollo de Capacidades de Combate.
El modelo sugiere que las ideas y la información se propagan y evolucionan entre individuos con patrones similares a los genes en el sentido de que se autorreplican, mutan y responden a la presión selectiva a medida que interactúan con su huésped.
"Estos cambios evolutivos tienen un gran impacto", dijo el miembro de la facultad de CyLab Osman Yagan, profesor asociado de investigación en Ingeniería Eléctrica e Informática en la Universidad Carnegie Mellon y autor correspondiente del estudio. "Si no considera los posibles cambios durantecon el tiempo, se equivocará al predecir el número de personas que se enfermarán o el número de personas que están expuestas a una información ".
En su estudio, publicado el 17 de marzo en el Actas de la Academia Nacional de Ciencias , los investigadores desarrollaron un modelo matemático que toma en consideración los cambios evolutivos tanto de la enfermedad como de la información. La investigación probó el modelo contra miles de epidemias simuladas por computadora utilizando datos de dos redes del mundo real: una red de contacto entre estudiantes, maestros, y el personal de una escuela secundaria de los EE. UU., y una red de contactos entre el personal y los pacientes en un hospital en Lyon, Francia.
"Mostramos que nuestra teoría funciona en redes del mundo real", dijo el primer autor del estudio, Rashad Eletreby, que era candidato a doctorado en Carnegie Mellon cuando escribió el artículo. "Los modelos tradicionales que no consideran las adaptaciones evolutivas fallan enprediciendo la probabilidad del surgimiento de una epidemia "
Los investigadores dijeron que el modelo epidémico más utilizado hoy en día no está diseñado para dar cuenta de los cambios en la enfermedad que se está rastreando. Esta incapacidad para dar cuenta de los cambios en la enfermedad puede hacer que sea más difícil para los líderes contrarrestar la propagación de una enfermedad o hacer públicodecisiones de salud, como cuándo instituir órdenes de quedarse en casa o enviar recursos adicionales a un área.
"La propagación de un rumor o de información a través de una red es muy similar a la propagación de un virus a través de una población", dijo el Dr. H. Vincent Poor, uno de los investigadores de este estudio y decano interino de ingeniería de Princeton."Diferentes datos tienen diferentes velocidades de transmisión. Nuestro modelo nos permite considerar cambios en la información a medida que se propaga a través de la red y cómo esos cambios afectan la propagación".
Si bien el estudio no es una bala de plata para predecir la propagación del coronavirus de hoy o la propagación de información errónea, los autores dicen que es un gran paso.
En el futuro, el equipo espera que su investigación se pueda utilizar para mejorar el seguimiento de epidemias y pandemias al contabilizar las mutaciones en las enfermedades y, en última instancia, considerar intervenciones como cuarentenas y luego predecir cómo esas intervenciones afectarían la propagación de una epidemia cuando el patógeno esmutando a medida que se propaga.
"Este trabajo demuestra la importancia de la investigación básica y la capacidad de los científicos en diversas disciplinas para informarse mutuamente", dijo el Dr. Edward Palazzolo, gerente del programa para el Programa de Redes Sociales y Cognitivas en la Oficina de Investigación del Ejército. "Aunque enEn sus primeras etapas, estos modelos son prometedores para comprender la difusión de la red a la luz de las mutaciones ".
Además del Ejército, la National Science Foundation y la Office of Naval Research también apoyaron esta investigación. Otros investigadores coautores del artículo incluyen a Yong Zhuang y Kathleen Carley de la Universidad Carnegie Mellon.
Fuente de la historia :
Materiales proporcionado por Laboratorio de investigación del ejército de EE. UU. . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :