Les techniques utilisées dans les prévisions météorologiques peuvent être réutilisées pour donner aux gens une évaluation personnalisée de leur risque d’exposition au COVID-19 ou à d’autres virus, selon une nouvelle recherche publiée par les scientifiques de Caltech.
La technique a le potentiel d’être plus efficace et moins intrusive que les confinements généraux dans la lutte contre la propagation des maladies, déclare Tapio Schneider, professeur Theodore Y. Wu de sciences et d’ingénierie de l’environnement ; chercheur principal au JPL, que Caltech gère pour la NASA ; et l’auteur principal d’une étude sur la nouvelle recherche qui a été publiée par Biologie computationnelle PLOS le 23 juin.
Pour cette pandémie, il est peut-être trop tard, mais ce ne sera pas la dernière épidémie à laquelle nous serons confrontés. C’est également utile pour dépister d’autres maladies infectieuses. »
Tapio Schneider, professeur Theodore Y. Wu de sciences et d’ingénierie de l’environnement, chercheur principal au JPL
En principe, l’idée est simple : les modèles de prévision météo intègrent une grande quantité de données ; par exemple, des mesures de la vitesse et de la direction du vent, de la température et de l’humidité des stations météorologiques locales, en plus des données satellitaires. Ils utilisent les données pour évaluer l’état actuel de l’atmosphère, prévoir les évolutions climatiques futures, puis répéter le cycle en combinant l’état atmosphérique prévu avec de nouvelles données. De la même manière, l’évaluation du risque de maladie tire également parti des différents types de données disponibles pour évaluer le risque d’exposition ou d’infection d’un individu, prévoir la propagation de la maladie à travers un réseau de contacts humains à l’aide d’un modèle épidémiologique, puis répéter le cycle combiner les prévisions avec de nouvelles données. Ces évaluations peuvent utiliser les résultats des tests de surveillance d’une institution, les données de capteurs portables, les symptômes autodéclarés et les contacts étroits enregistrés par les smartphones, et les tableaux de bord de notification des maladies des municipalités.
La recherche présentée dans Biologie computationnelle PLOS c’est une preuve de concept. Cependant, votre résultat final serait une application pour smartphone qui fournirait à une personne une évaluation numérique fréquemment mise à jour (c’est-à-dire un pourcentage) qui reflète sa probabilité d’avoir été exposée ou infectée par un agent infectieux particulier, tel que COVID-19 . 19
Une telle application serait similaire aux applications existantes de notification d’exposition au COVID-19, mais plus sophistiquée et efficace dans son utilisation des données, selon Schneider et ses collègues. Ces applications fournissent une évaluation binaire de l’exposition (« oui, vous avez été exposé » ou, en l’absence d’exposition, un silence radio ); la nouvelle application décrite dans l’étude fournirait une compréhension plus nuancée des risques d’exposition et d’infection qui changent continuellement à mesure que les gens se rapprochent les uns des autres et que les données sur les infections se propagent à travers un réseau de contacts en constante évolution.
L’idée est née au début de la pandémie de COVID-19, lorsque les collègues et partenaires Schneider et Chiara Daraio, professeur G. Bradford Jones de génie mécanique et de physique appliquée et chercheur à l’Institut de recherche médicale Heritage, se sont retrouvés brutalement isolés. .. chez eux et se demandent comment utiliser leur expertise scientifique et technique pour aider le monde à faire face à cette nouvelle menace.
Un objectif pré-pandémique de la recherche de Daraio était le développement de trackers de température corporelle à faible coût. Et cela a soulevé la question : l’utilisation généralisée de ces trackers permettrait-elle un meilleur suivi et une meilleure compréhension de la propagation du COVID-19 ?
« Estábamos imaginando algo así como una aplicación de pronóstico del tiempo, aprovechando la información de los sensores, los datos de infección y el seguimiento de proximidad, que las personas podrían usar para ajustar su comportamiento para mitigar los riesgos individuales », dice Daraio, coautor de la Biologie computationnelle PLOS papier.
Schneider est un climatologue qui dirige la Climate Modeling Alliance (CliMA), qui exploite les avancées récentes de la science informatique et des données pour développer un tout nouveau modèle climatique. Il a approché Jeffrey Shaman, une connaissance de toujours, de l’Université de Columbia. Les recherches de Shaman sur la façon dont le changement climatique affecte la propagation des maladies infectieuses ont conduit Shaman à s’intéresser à l’épidémiologie et à l’adaptation de méthodes de prévision météorologique similaires pour la modélisation des maladies au niveau communautaire.
« Durante la última década, el campo del modelado de enfermedades infecciosas, y el pronóstico en particular, se ha disparado. Muchos enfoques de pronóstico de enfermedades aprovechan los métodos de inferencia y conjuntos comúnmente utilizados en la predicción del tiempo », dice Shaman, coautor du Biologie computationnelle PLOS papier.
L’équipe a été confrontée à deux défis majeurs : adapter les méthodes de prévision climatique à cette fin et développer un banc d’essai réaliste pour mesurer son efficacité.
« Conceptuellement, c’est une idée très intéressante, car les méthodes de prévision climatique ont été très efficaces pour prédire l’atmosphère chaotique, une tâche notoirement difficile », déclare Oliver Dunbar, chercheur à Caltech. « Mais il n’y a pas de traduction directe. Une application de prévision des épidémies a très peu de données avec lesquelles travailler et seulement une population partielle d’utilisateurs. Heureusement, nous avons réussi en combinant ces données rares avec les dernières technologies d’appareils intelligents et une propagation virale mathématique ». maquette. »
Pour le tester, l’équipe s’est tournée vers Lucas Böttcher de la Frankfurt School of Finance and Management en Allemagne. Böttcher a construit un modèle informatique d’une ville imaginaire, une version réduite et idéalisée de New York, avec 100 000 « nœuds », ou personnes fictives, puis a étudié dans quelle mesure les méthodes de prévision météorologique bien adaptées prédisaient la propagation d’une maladie dans l’ensemble de la population. .
Les résultats ont été encourageants : dans les simulations, le modèle a identifié jusqu’à deux fois plus d’expositions potentielles que celles qui seraient détectées par les applications traditionnelles de recherche des contacts ou de notification d’exposition lorsque les deux utilisent les mêmes données.
« Les méthodes développées dans notre étude sont pertinentes non seulement dans le contexte de la gestion des maladies infectieuses, mais ouvrent également de nouvelles façons de combiner des données d’observation avec des modèles mécaniques de grande dimension émergeant en biologie computationnelle », déclare le co-auteur de l’étude Böttcher. . Biologie computationnelle PLOS papier.
Malgré ces résultats prometteurs, la mise en œuvre de cette technologie dans le monde réel nécessite des niveaux adéquats d’utilisateurs d’appareils intelligents et des campagnes de test efficaces pour que les logiciels d’évaluation des risques fonctionnent pour gérer et contrôler les épidémies. Si environ 75 % d’une population donnée fournissent des informations pertinentes (par exemple, si elles ont été testées positives pour une maladie) et s’auto-isolent lorsqu’elles ont pu être exposées, le logiciel d’évaluation des risques est suffisamment précis pour gérer et contrôler l’épidémie de COVID. sur l’ensemble de la population. Et pourtant, comme le montrent les taux de vaccination contre la COVID-19, il est difficile de se faire accepter par une si grande partie de la population.
Cependant, un scénario prometteur est le déploiement par des bases d’utilisateurs communautaires plus petites, par exemple la population d’un campus universitaire, qui peut facilement fournir au logiciel suffisamment de données pour fournir des évaluations précises des risques qui réduiront localement la propagation de la maladie.
« Le défi pour en faire une réalité est de gérer les problèmes de confidentialité, par exemple le transfert de données sur les contacts étroits vers une installation centrale de traitement des données », explique Schneider. « Cela dit, seules des informations anonymes sont nécessaires. Les informations de localisation sont déjà régulièrement collectées à des fins commerciales, et nous envisageons des moyens de renforcer le système contre l’exploitation par de mauvais acteurs. »
Institut de technologie de Californie
Schneider, t. et coll. (2022).Gestion et contrôle des épidémies par des interventions de contact individuelles en fonction du risque. Biologie computationnelle PLOS. doi.org/10.1371/journal.pcbi.1010171.