Le campagne di sensibilizzazione pubblica possono prevenire la diffusione di malattie devastanti ma curabili come la tubercolosi (TB), malaria e gonorrea. Ma garantire che queste campagne raggiungano efficacemente i pazienti non diagnosticati, che possono inconsapevolmente diffondere la malattia ad altri, è una sfida importante per le agenzie di sanità pubblica a corto di liquidità. Ora, un team di ricercatori della USC Viterbi School of Engineering ha creato un algoritmo che può aiutare i responsabili delle politiche a ridurre la diffusione complessiva della malattia. L'algoritmo è inoltre ottimizzato per sfruttare al meglio le risorse limitate, come i budget pubblicitari.

Per creare l'algoritmo, i ricercatori hanno utilizzato i dati, compreso comportamentale, tendenze demografiche ed epidemiche delle malattie, creare un modello di diffusione della malattia che catturi le dinamiche della popolazione sottostante e i modelli di contatto tra le persone.

Utilizzando simulazioni al computer, i ricercatori hanno testato l'algoritmo su due casi reali:la tubercolosi (TB) in India e la gonorrea negli Stati Uniti. In entrambi i casi, hanno scoperto che l'algoritmo ha svolto un lavoro migliore nel ridurre i casi di malattia rispetto alle attuali politiche di sensibilizzazione sanitaria condividendo le informazioni su queste malattie con le persone che potrebbero essere più a rischio.

Lo studio è stato pubblicato nella Conferenza AAAI sull'intelligenza artificiale. Gli autori sono Bryan Wilder, un candidato per un dottorato di ricerca in informatica, Gentile Tambe, il professore di ingegneria Helen N. e Emmett H. Jones, professore di informatica e ingegneria industriale e dei sistemi e co-fondatore del USC Center for AI in Society e Sze-chuan Suen, un assistente professore in ingegneria industriale e dei sistemi.

"Il nostro studio mostra che un algoritmo sofisticato può ridurre sostanzialmente la diffusione complessiva della malattia, "dice Wilder, il primo autore del saggio. "Possiamo fare una grande differenza, e anche salvare vite, semplicemente essendo un po' più intelligenti su come utilizziamo le risorse e condividiamo le informazioni sulla salute con il pubblico".

Rivelare le dinamiche della malattia

L'algoritmo sembrava anche fare un uso più strategico delle risorse. Il team ha scoperto che si concentrava molto su gruppi particolari e non si limitava a stanziare più budget per i gruppi con un'alta prevalenza della malattia. Ciò sembra indicare che l'algoritmo sta sfruttando modelli non ovvi e sfruttando interazioni a volte sottili tra variabili che gli esseri umani potrebbero non essere in grado di individuare.

I modelli matematici del team tengono conto anche del fatto che le persone si muovono, età, e morire, riflettendo dinamiche di popolazione più realistiche rispetto a molti algoritmi esistenti per il controllo delle malattie. Ad esempio, le persone potrebbero non essere curate all'istante, quindi ridurre la prevalenza all'età di 30 anni potrebbe significare creare comunicazioni di salute pubblica mirate per le persone di 27 anni.

"Mentre ci sono molti metodi per identificare le popolazioni di pazienti per le campagne di sensibilizzazione sulla salute, non molti considerano l'interazione tra il cambiamento dei modelli di popolazione e le dinamiche della malattia nel tempo, "dice Suen, che ricopre anche un incarico come assistente professore presso il Leonard D. Schaeffer Center for Health Policy and Economics.

"Meno ancora considerano come utilizzare un approccio algoritmico per ottimizzare queste politiche data l'incertezza delle nostre stime di queste dinamiche di malattia. Teniamo conto di entrambi questi effetti nel nostro approccio".

Poiché i modelli di trasmissione dell'infezione variano con l'età, il team di ricerca ha utilizzato dati stratificati per età per determinare il target demografico ottimale del pubblico per le comunicazioni sulla salute pubblica. Ma l'algoritmo potrebbe anche segmentare le popolazioni usando altre variabili, compreso il sesso e la posizione.

Nel futuro, le intuizioni dello studio potrebbero anche far luce sugli esiti sanitari per altri interventi sulle malattie infettive, come l'HIV o l'influenza.