Вирусы, такие как вирус, вызывающий COVID-19, быстро распространяются в крупных городах из-за сложной сети взаимодействий между людьми, происходящих в густонаселенной местности. Но менее изучено то, как вирусы передаются от человека к человеку в небольших сельских общинах, что приводит к принятию решений в области общественного здравоохранения и экономики на основе скудной информации и чрезмерно обобщенного моделирования.
Команда, возглавляемая специалистом по информатике из инженерной школы Уайтинга и экспертом по кибербезопасности Антоном Дахбурой, разрабатывает новую модель, которая более точно понимает и предсказывает распространение таких заболеваний, как COVID-19, как в больших, так и в малых сообществах.
"Суть в том, что нельзя относиться к населению как к большой бочке из шариков; заражение – это очень локализованный и персонализированный процесс," – говорит Дахбура, член Мэлоунского центра инженерии в области здравоохранения и Института гарантированной автономии Джонса Хопкинса, а также исполнительный директор Института информационной безопасности Университета Джонса Хопкинса. "Тем не менее, текущие модели очень обобщены и не учитывают разные типы и размеры сообществ или время задержки распространения в обширных географических областях. Наша модель учитывает оба."
Новая модель, разработанная с помощью Матиаса Унберата, доцента-исследователя в области компьютерных наук и члена Центра Мэлоуна, а также Линксин Хао и Эмили Соглас из Центра народонаселения Джона Хопкинса, представляет популяции с точки зрения чрезвычайно локализованных и специфических "модули" людей, их жилищ и общих общественных пространств, таких как офисы, школы, магазины и рестораны. При этом учитывается, что люди, взаимодействующие с одним набором модулей, могут также взаимодействовать с другим, заражаясь и распространяя инфекцию.
"Идея состоит в том, чтобы соединить один модуль с другим в иерархическом порядке, чтобы они соответствовали друг другу, как кубики LEGO, создавая целую систему, которая идет от отдельных жилищ и сообществ до городов, штатов и т. Д," Дахбура объясняет.
Исследователи говорят, что их модель не только более точно отслеживает и предсказывает распространение болезни, но также будет работать лучше, чем существующие, более общие модели при оценке последствий начала и прекращения усилий по смягчению последствий, таких как социальное дистанцирование, инициативы в области гигиены, школы и т. Д. закрытие бизнеса и ограничения на поездки. Новая модель также будет измерять влияние тестирования и вакцин на основе участия местного сообщества.
Конечная цель команды – иметь возможность запускать свою модель на сложной, но доступной информационной панели, которая будет имитировать распространение вируса, но с учетом мер по смягчению последствий, таких как приказы не выходить из дома, прежде чем отражать, как эти усилия влияют на скорость заражения.
Группа Дахбура разрабатывает среду распределенного программирования для запуска модели на большом количестве компьютеров с целью увеличения масштабов областей, которые можно точно смоделировать.
"Мы несколько произвольно начинаем с моделирования небольшого сообщества Барнсдалл, штат Оклахома, с населением около 1500 человек, 500 домами и одним универсальным магазином Dollar для продуктовых покупок, а затем продвигаемся дальше," Дахбура сказал. "Мы хотим предоставить лицам, принимающим решения, более точные инструменты вместо высокоуровневых моделей и неверных или неточных теорий для прогнозирования пандемий и борьбы с ними."