Новые системы компьютерного моделирования для прогнозирования распространения вируса SARS-CoV-2

Джо Михальевич, математический эпидемиолог и доцент Школы информатики Университета Северной Аризоны, Вычисления, и киберсистемы (SICCS), возглавляет новый проект по созданию систем компьютерного моделирования для прогнозирования результатов распространения вируса SARS-CoV-2, который вызывает COVID-19, через четыре округа северной Аризоны - Коконино, Навахо, Апач и Мохаве.

Ранее этой весной Медицинский центр Флагстафф заявил о настоятельной необходимости смоделировать распространение вируса для планирования действий в чрезвычайных ситуациях и для запроса адекватных ресурсов у властей штата и федерального правительства. "Надежные киберинфраструктуры прогнозирования передачи в режиме, близком к реальному времени, жизненно важны для обеспечения эффективных, справедливое здравоохранение для сельского населения Аризоны во время пандемического кризиса, "- сказал Михалевич.

В марте, Национальный научный фонд (NSF) обратился с настоятельным призывом к исследователям в связи с появлением и распространением COVID-19, поощрение ученых к использованию механизма финансирования Rapid Response Research (RAPID) для поддержки исследований, связанных с вирусами. Как результат, Михальевич подал заявку и получил 200 долларов, 000 годичный грант на разработку портала моделирования заболеваний в сотрудничестве с компьютерным ученым, профессором SICCS Экком Дорри, биологом-эволюционистом и доцентом SICCS Кристал Хепп, заместитель директора Института патогенов и микробиома НАУ. Сотрудничество объединяет три ключевых области знаний:Михальевич - разработчик моделей болезней; Дорри превращает новые идеи в удобные программные решения; и Хепп - биолог-эволюционист, специализирующийся на распространении РНК-вируса и аналитике данных общественного здравоохранения.

Используя безопасный интерактивный веб-портал моделирования, разработанный Doerry, Михальевич может использовать последние данные о случаях заболевания от местных органов здравоохранения и запускать живые модели в интерактивном интерфейсе, который лица, принимающие решения, могут использовать для изучения возможных сценариев и прогнозируемых результатов.

<цитата>

Во всех четырех округах возбудитель умеренно контролируется, хотя существует региональная изменчивость, некоторые группы населения подвергаются большему риску. Мы замедляем вирус, но теперь мы хотим понять, что произойдет, если мы начнем устранять вмешательство на месте, нравится социальное и физическое дистанцирование. Вы могли слышать, что мы достигли пика. При вспышках болезней пиков может быть несколько. Слишком быстрое ослабление ограничений может означать множественные блокировки ".

Джо Михальевич, Доцент, Школа информатики Университета Северной Аризоны, Вычисления, и кибер-системы

Например, если все ограничения были сняты в начале мая после 45 дней пребывания на дому, его модель предсказывает второй пик, когда количество посещений больницы по крайней мере в три раза превышает текущую норму. "Мы могли видеть более 100 новых посещений больниц в день, " он сказал.

Если меры по дистанцированию сохранятся до 31 мая, с другой стороны, модель прогнозирует меньшую вторую вспышку после снятия ограничений. "За 75 дней вмешательства на месте, второй пик в северной Аризоне может быть немного меньше первого, в оптимистическом сценарии, "- сказал Михалевич.

"Суммируя, многие из текущих моделей, разработанных для управления кризисом COVID-19, вероятно, не полностью подходят для описания распространения патогенов в сельских регионах. У нас есть городские центры, такие как Флагстафф, которые действительно вписаны в более сельский пейзаж - метапопуляция, если хотите - с сообществами, которые сильно отличаются друг от друга. Мы сможем отслеживать количество пациентов, отправленных в какие больницы, и понимать, какие учреждения испытывают наибольший стресс », - сказал Михалевич.

Компьютерная модель основана на данных наблюдения за заболеваниями, данные Бюро переписи населения США и информация медицинских центров, отслеживающая количество больничных коек в каждом округе. Михальевич говорит, что часть гранта предназначена для разработки детального картографирования. «Допустим, вы больница и хотите понять, что происходит в вашем регионе. Вы сможете фильтровать данные и прогнозы только для вашего округа или больничной системы».

Хепп сотрудничает с множеством партнеров в области общественного здравоохранения в своих исследованиях. "Хорошо разбираясь в типах данных, доступных в системах отчетности общественного здравоохранения, в сочетании с осознанием конфиденциальности данных, мой вклад состоит в том, чтобы помочь определить, какие данные необходимы для использования в компьютерной модели. Нам не нужна личная информация, такая как имя или адрес пациента, но мы можем агрегировать числа для информирования модели на основе такой информации, как почтовые индексы, когда человек впервые почувствовал себя плохо и когда был взят мазок из носа для проверки на болезнь ".

«Наша цель - развитие киберинфраструктуры, веб-приложение, которое помогает нам сообщать результаты нашего моделирования заинтересованным сторонам общественного здравоохранения и здравоохранения, которые могут визуально взаимодействовать с моделью и манипулировать параметрами, чтобы исследовать эти сценарии и принимать обоснованные решения для плана общественного здравоохранения на основе данных, "- сказал Михалевич.

Михальевич считает, что его компьютерное моделирование также поможет проинформировать избранных должностных лиц о том, как и когда снять ограничения физического дистанцирования и вновь открыть предприятия и общественные места. «Наша цель - обеспечить немедленную критическую информационную поддержку для стратегического управления текущим кризисом, при наращивании нашего опыта, инструменты и инфраструктура для оптимизации ответных мер на будущие эпидемии ».

• Активация рецептора эстрогена может препятствовать росту раковых клеток поджелудочной железы.
• Вирусы из стула могут помочь в борьбе с ожирением и диабетом 2 типа