Seguimiento de la propagación de COVID-19 más rápido y con mayor precisión
El algoritmo de Yings reconstruye la propagación de una entidad como una enfermedad a partir de fuentes únicas o múltiples. Crédito: Lei Ying
Con un enfoque que combina big data, ciencia de redes y sistemas estocásticos, un profesor de ingeniería de Michigan está trabajando para desarrollar algoritmos que puedan identificar de forma rápida y precisa al «paciente cero» de COVID-19 a medida que el virus se propaga a nuevos lugares o resurge, y reconstruir su propagación con información limitada.
Lei Ying, profesora de ingeniería eléctrica e informática, utiliza una amplia gama de datos que podrían incluir, por ejemplo, datos de movilidad humana, datos de redes sociales y análisis de redes genéticas. Esta es una nueva aplicación de un proyecto de NSF en el que Ying y su equipo han estado trabajando durante varios años.
El proyecto se enfoca en establecer un marco teórico para ubicar la fuente de cualquier cosa que ya se haya extendido tanto, puede parecer como encontrar el tallo de paja original en un pajar.
Lo que se ha difundido puede ser un rumor en Internet, una emoción provocada por una imagen en las redes sociales o, en el caso de COVID-19 , un germen viral.
Ubicar el origen y recuperar el historial de propagación de una epidemia puede ayudar a identificar cómo se transmitió la enfermedad, dice Ying, y, a su vez, revelar modos de transmisión, lugares de exposición peligrosos y alta individuos de riesgo. Citando el virus H1N1 de 2009 que provocó entre 151 000 y 575 000 muertes como un caso en el que esta investigación podría haber salvado numerosas vidas, esta tecnología podría brindar información importante a medida que la nación y el mundo se reabren.
«Idealmente, será posible proporcionar un historial completo de líneas directas de infección para reconstruir un brote», dijo Ying. «Siendo realistas, eso es imposible. Incluso acercarse a rastrear líneas exactas de transmisión podría requerir más recursos, tanto en términos de tiempo como de costo, de lo razonable. Sin embargo, al observar un conjunto más pequeño de pistas clave, podemos acercarnos.
«Nuestro algoritmo está diseñado para usarse con rastreo de contactos imperfecto, por lo que proporciona una imagen más precisa de la propagación con información de rastreo de contactos parcial o limitada».
Ying creó una reconstrucción algoritmo basado solo en observaciones parciales que muestra un rendimiento superior a los algoritmos y métodos heurísticos existentes. Probado en la red de sistemas autónomos de Internet y Power Grid de Western States, ahora están centrando su atención en rastrear el camino de COVID-19.
A medida que la sociedad reabre y se enfrenta a la amenaza de nuevas oleadas de la enfermedad, el seguimiento de la propagación de infecciones en lugares específicos podría conducir a una acción más rápida en términos de poner en cuarentena a las personas y, en última instancia, salvar vidas.
Explorar más
Fol baja las últimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por la Universidad de Michigan Cita: Seguimiento de la propagación de COVID-19 más rápido y con mayor precisión (2020, 12 de junio) recuperado el 31 de agosto de 2022 de https: //medicalxpress.com/news/2020-06-tracking-covid-faster-accurately.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.