Para prever uma epidemia, a evolução não pode ser ignorado

Mas o que acontece se uma mutação do patógeno, ou a informação torna-se modificado, mudando a velocidade com que ele se espalha? Em um novo estudo publicado na edição desta semana da revista Proceedings of the National Academy of Sciences (PNAS), uma equipe de pesquisadores da Universidade Carnegie Mellon mostrar pela primeira vez o quão importante essas considerações são.

"Essas mudanças evolucionárias têm um enorme impacto", diz CyLab membro do corpo docente Osman Yagan, um professor associado de pesquisa em Engenharia Electrotécnica e de Computadores (ECE) e autor correspondente do estudo. "Se você não considerar os potenciais mudanças ao longo do tempo, você vai estar errado na previsão do número de pessoas que vai ficar doente ou o número de pessoas que estão expostas a um pedaço de informação."

A maioria das pessoas está familiarizada com epidemias da doença, mas a informação em si, hoje em dia viajando à velocidade da luz sobre os media sociais, pode experimentar o seu próprio tipo de epidemia e "ir viral." Se um pedaço de informação vai viral ou não pode depender da forma como a mensagem original é mexido.

"Alguns pedaços de desinformação são intencionais, mas alguns podem desenvolver organicamente quando muitas pessoas sequencialmente fazer pequenas mudanças, como um jogo de 'telefone'", diz Yagan. "Um aparentemente chato pedaço de informação pode evoluir para um Tweet viral, e precisamos ser capazes de prever como essas coisas se espalhar."

Em seu estudo, os pesquisadores desenvolveram uma teoria matemática que leva essas mudanças evolutivas em consideração. Em seguida, testaram sua teoria contra milhares de epidemias simulados por computador em redes do mundo real, tais como Twitter para a disseminação de informação ou um hospital para a propagação da doença.

No contexto da propagação de doenças infecciosas, os milhares equipe realizou de simulações utilizando dados de duas redes do mundo real: uma rede de contactos entre os alunos, professores e funcionários em uma escola secundária dos Estados Unidos, e uma rede de contactos entre os funcionários e pacientes em um hospital em Lyon, França.

Estas simulações serviram como uma cama de teste: a teoria de que coincide com o que é observado nas simulações viria a ser o mais preciso.

"Nós mostramos que a nossa teoria funciona em redes do mundo real", diz o primeiro autor do estudo, Rashad Eletreby, que era um Carnegie Mellon Ph.D. estudante quando ele escreveu o jornal. "Os modelos tradicionais que não consideram adaptações evolutivas falham em prever a probabilidade do surgimento de uma epidemia."

Embora o estudo não é uma bala de prata para prever a propagação de coronavírus de hoje ou a propagação de notícias falsas no ambiente político volátil de hoje com 100% de precisão, seria necessário em tempo real de dados acompanhando a evolução do patógeno ou informações para fazer isso , os autores dizem que é um grande passo.

"Estamos um passo mais perto da realidade", diz Eletreby.

Outros autores sobre o estudo incluiu Ph.D. ECE estudante de Yong Zhuang, Institute for Research Professor Software Kathleen Carley, e professor de Princeton Engenharia Elétrica Vincent pobre.