Ai primi accenni di un focolaio di malattia, epidemiologi, fornitori di servizi sanitari, decisori politici, e gli scienziati si rivolgono a sofisticati modelli predittivi per determinare come si sta diffondendo una malattia e cosa dovrebbe essere fatto per ridurre al minimo il contagio. Una collaborazione di ricerca tra la New York University Tandon School of Engineering e il Politecnico di Torino in Italia sta capovolgendo il tradizionale processo di modellazione, fornendo previsioni più semplici da calcolare e più in sintonia con un mondo iperconnesso.

Tutti i modelli predittivi correlano il movimento di una malattia attraverso una popolazione nel tempo, ma le simulazioni attuali non riescono a spiegare un'idea apparentemente ovvia:che la mobilità e l'attività variano tra le persone, e che queste variazioni influiscono sulla probabilità di contrarre o diffondere una malattia.

Un nuovo paradigma è stato spiegato in un articolo pubblicato su Lettere di revisione fisica di Maurizio Porfiri, un professore di ingegneria meccanica e aerospaziale alla NYU Tandon, Alessandro Rizzo, un visiting professor alla NYU Tandon e un professore associato di ingegneria dei controlli al Politecnico, e Lorenzo Zino, un dottorando del Politecnico in matematica pura e applicata.

I ricercatori presumono che alcune persone siano più attive, alcuni meno, e il loro modello spiega come queste differenze possono avere un impatto sulla diffusione della malattia. Il loro approccio consente la modellazione sfumata di diverse malattie, da un virus aereo altamente contagioso come l'influenza, che si muove velocemente tra le persone con elevata mobilità ma è limitato da coloro che si isolano, a un virus come l'HIV, che ha un lungo periodo di latenza e una velocità di trasmissione più lenta.

"Il modo in cui mi muovo è il modo in cui prendo una malattia, "Stiamo cambiando il punto di vista da cui iniziamo le simulazioni dei focolai perché non riusciamo a capire come un piccolo focolaio si evolva in un'epidemia senza capire come i diversi livelli di attività delle persone aiutino a diffonderlo".

Diversi modelli tradizionali presuppongono l'omogeneità all'interno della comunità. "È come se le persone malate fossero tutte in un posto specifico, connettersi con un determinato numero di persone, e non è realistico, " disse Rizzo. "Alcune persone fanno più connessioni di altre, e la scala di tali connessioni può essere paragonabile alla scala della malattia".

Porfiri e Rizzo hanno spiegato che le simulazioni tradizionali utilizzano un approccio "tempo discreto/attività continua", che in genere richiede simulazioni estese e lunghe. I ricercatori utilizzano sistemi più semplici di equazioni differenziali accoppiate che consentono la manipolazione di fattori che possono influenzare la diffusione della malattia.

Questa è la prima ricerca che emerge da un triennio, $375, 000 Sovvenzione della National Science Foundation assegnata all'équipe per studiare l'evoluzione simultanea delle dinamiche delle malattie infettive e delle reti attraverso le quali si diffondono. La ricerca è stata in parte finanziata anche da sovvenzioni dell'U.S. Army Research Office (ARO) e della Compagnia di San Paolo.

Il team ha sviluppato uno dei pochi approcci di modellizzazione della malattia che utilizza l'eterogeneità dei livelli di attività come fattore di diffusione della malattia. Negli esperimenti per testare il loro modello, il team ha previsto con successo il movimento dell'influenza in un campus universitario e la diffusione di un argomento di tendenza su Twitter.

"Abbiamo infinite possibilità di vedere l'impatto degli interventi, " ha detto Porfiri. "Possiamo capire come i vaccini, quarantena, o altri parametri influenzano il contagio. Alcune malattie prendono fuoco, mentre altri vengono immediatamente annullati. Questo quadro consente di analizzare perché e come ciò accade".

Nel futuro, i ricercatori si aspettano che questo modello aiuti gli sforzi di gestione durante un'epidemia, compresa l'attuazione di strategie di vaccinazione, valutare i rischi e i benefici dei divieti di viaggio, e misurare l'efficacia delle campagne di prevenzione delle malattie.