Para predecir una epidemia, la evolución no puede ser ignorada

Pero, ¿qué ocurre si un patógeno muta, o información queda modificado, cambiando la velocidad a la que se propaga? En un nuevo estudio que aparece en la edición de esta semana de Proceedings de la Academia Nacional de Ciencias (PNAS), un equipo de investigadores de la Universidad Carnegie Mellon muestran por primera vez la importancia de estas consideraciones son.

"Estos cambios evolutivos tienen un gran impacto", dice el miembro de la facultad CyLab Osman Yagan, profesor asociado de investigación en Ingeniería Eléctrica y Computación (ECE) y autor del estudio. "Si no tenemos en cuenta los posibles cambios en el tiempo, va a estar mal en la predicción de la cantidad de personas que se van a enfermar o el número de personas que están expuestas a una pieza de información."

La mayoría de la gente está familiarizada con las epidemias de la enfermedad, pero la información en sí, hoy en día viajando a velocidades increíbles más de las redes sociales, puede experimentar su propio tipo de epidemia y "ir viral". Ya sea una pieza de información va viral o no puede depender de cómo está ajustado el mensaje original.

"Algunas piezas de información errónea son intencionales, pero algunos pueden desarrollarse orgánicamente cuando muchas personas hacen pequeños cambios secuencial como un juego de 'teléfono'," dice Yagan. "Un aparentemente aburrido pieza de información puede convertirse en un Tweet viral, y tenemos que ser capaces de predecir cómo estas cosas difusión."

En su estudio, los investigadores desarrollaron una teoría matemática que toma estos cambios evolutivos en consideración. Luego probaron su teoría contra miles de epidemias simuladas por ordenador en las redes del mundo real, como Twitter para la difusión de información o un hospital para la propagación de la enfermedad.

En el contexto de la propagación de las enfermedades infecciosas, los equipo realizó miles de simulaciones utilizando los datos de dos redes del mundo real: una red de contactos entre estudiantes, profesores y personal de una escuela secundaria de Estados Unidos, y una red de contactos entre el personal y los pacientes en una hospital de Lyon, Francia.

Estas simulaciones servido como banco de pruebas: la teoría de que coincide con lo que se observa en las simulaciones resultaría ser la más precisa.

"Hemos demostrado que nuestra teoría funciona a través de redes del mundo real", dice el primer autor del estudio, Rashad Eletreby, que era un Carnegie Mellon Ph.D. estudiante cuando él escribió el documento. "Los modelos tradicionales que no consideran adaptaciones evolutivas fallan en la predicción de la probabilidad de la aparición de una epidemia."

Aunque el estudio no es una bala de plata para predecir la propagación del coronavirus de hoy o la propagación de noticias falsas en el entorno político volátil de hoy con 100% de precisión, se necesitaría datos en tiempo real el seguimiento de la evolución del patógeno o información de hacerlo , los autores dicen que es un gran paso.

"Estamos un paso más cerca a la realidad", dice Eletreby.

Otros autores en el estudio incluido Ph.D. ECE estudiante de Yong Zhuang, Instituto de Investigación de Software profesora Kathleen Carley, y profesor de Princeton Ingeniería Eléctrica Vicente pobre.