Novi računalniški modelirni sistemi za napovedovanje širjenja virusa SARS-CoV-2

Joe Mihaljevic, matematični epidemiolog in docent na Fakulteti za informatiko Univerze v Severni Arizoni, Računalništvo, in kibernetskih sistemih (SICCS), vodi nov projekt za ustvarjanje sistemov računalniškega modeliranja za napovedovanje izidov širjenja virusa SARS-CoV-2, ki povzroča COVID-19, v štirih okrožjih severne Arizone-Coconino, Navajo, Apache in Mohave.

V začetku letošnje pomladi, Medicinski center Flagstaff je izrazil nujno potrebo po modeliranju širjenja virusa za načrtovanje nujnih primerov in zahtevo ustreznih sredstev od državnih in zveznih oblasti. "Zanesljive kibernetske infrastrukture za napovedovanje prenosa v realnem času so zato bistvene za zagotovitev učinkovite, pravično zdravstveno varstvo za podeželsko prebivalstvo Arizone v času te pandemije, «Je dejal Mihaljevič.

V marcu, Nacionalna znanstvena fundacija (NSF) je nujno poklicala raziskovalce glede na pojav in širjenje COVID-19, spodbujanje znanstvenikov k uporabi mehanizma financiranja za raziskave hitrega odziva (RAPID) za podporo raziskavam, povezanim z virusi. Kot rezultat, Mihaljevic se je prijavil in prejel 200 USD, 000 enoletnih štipendij za razvoj portala za modeliranje bolezni v sodelovanju z računalničarjem in profesorjem SICCS Eckom Doerryjem ter evolucijskim biologom in docentom SICCS Crystal Hepp, pomočnik direktorja Inštituta za patogene in mikrobiome NAU. Sodelovanje združuje tri ključna strokovna področja:Mihaljevic je modelar bolezni; Doerry nove zamisli pretvori v zelo uporabne programske rešitve; in Hepp je evolucijski biolog, ki se osredotoča na širjenje virusa RNA in analizo podatkov o javnem zdravju.

Z uporabo varnega interaktivnega spletnega portala za modeliranje, ki ga je razvil Doerry, Mihaljevič lahko iz lokalnih zdravstvenih oblasti pobere najnovejše podatke o primerih in v interaktivnem vmesniku izvede modele v živo, ki jih lahko odločevalci uporabijo za raziskovanje možnih scenarijev in predvidenih rezultatov.

V vseh štirih okrožjih, patogen je zmerno pod nadzorom, čeprav obstaja regionalna variabilnost, nekatere populacije bolj ogrožene. Upočasnjujemo virus, zdaj pa želimo razumeti, kaj se bo zgodilo, če bomo začeli odstranjevati posege, kot socialna in fizična distanca. Morda ste že slišali, da smo dosegli vrh. Pri izbruhih bolezni, vrhov je lahko več. Prehitro olajšanje omejitev lahko pomeni več zastojev. "

Joe Mihaljevic, Docent, Informatiška šola Univerze v Severni Arizoni, Računalništvo, in kibernetskih sistemov

Na primer, če so bile vse omejitve odpravljene v začetku maja po 45 dneh naročanja bivanja doma, njegov model napoveduje drugi vrh z najmanj trikratnim številom obiskov v bolnišnici od trenutne stopnje. "Na dan bi lahko videli več kot 100 novih obiskov bolnišnic, " rekel je.

Če se ukrepi za distanciranje ohranijo do 31. maja, po drugi strani, model odstrani omejitve, predvideva manjši drugi izbruh. "S 75 -dnevnimi intervencijami, drugi vrh v severni Arizoni bi lahko bil nekoliko manjši od prvega, po optimističnem scenariju, «Je dejal Mihaljevič.

"V kratkem, mnogi trenutni modeli, razviti za obvladovanje krize COVID-19, verjetno niso povsem ustrezni za opis širjenja patogenov v podeželskih regijah. Imamo urbana središča, kot je Flagstaff, ki resnično gnezdijo v bolj podeželski pokrajini-metapopulaciji, če želite-s skupnostmi, ki se med seboj zelo razlikujejo. Lahko bomo spremljali število bolnikov, ki jih pošiljajo v katere bolnišnice, in razumeli, katere ustanove so najbolj obremenjene. "Je dejal Mihaljevič.

Računalniški model temelji na podatkih nadzora bolezni, podatki ameriškega urada za popis prebivalstva in zdravstvenega centra, ki spremljajo, koliko bolniških postelj je na voljo v vsaki okrožju. Mihaljevic pravi, da je del nepovratnih sredstev razvoj drobnozrnatega kartiranja. "Recimo, da ste bolnišnica in želite razumeti, kaj se dogaja v vaši regiji. Podatke in projekcije boste lahko filtrirali samo v vaš okrožje ali bolnišnični sistem."

Hepp pri svojih raziskavah sodeluje z različnimi partnerji na področju javnega zdravja. "Z močnim razumevanjem vrst podatkov, ki so na voljo v sistemih poročanja o javnem zdravju, skupaj z zavedanjem občutljivosti podatkov, moj prispevek je pomagati ugotoviti, kateri podatki so potrebni za vstop v računalniški model. Ne potrebujemo zasebnih podatkov, kot so ime ali naslov bolnika, vendar lahko na podlagi informacij, kot so poštne številke, združimo številke za obveščanje o modelu, ko je osebi prvič postalo slabo in ko so vzeli bris iz nosu za testiranje bolezni. "

"Naš cilj je razviti kibernetsko infrastrukturo, spletno aplikacijo, ki nam bo pomagala sporočiti rezultate našega modeliranja zainteresiranim stranem v javnem zdravstvu in zdravstvu, ki lahko vizualno sodelujejo z modelom in manipulirajo s parametri, da raziščejo te scenarije in sprejmejo informirane odločitve za podatkovni načrt javnega zdravja, «Je dejal Mihaljevič.

Mihaljevic verjame, da bo njegovo računalniško modeliranje tudi pomagalo izvoljenim uradnikom, kako in kdaj odpraviti omejitve fizične distanciranja ter znova odpreti podjetja in javne prostore. "Naš cilj je zagotoviti takojšnjo kritično informatično podporo za strateško obvladovanje trenutne krize, pri izgradnji našega strokovnega znanja, orodja in infrastrukturo za racionalizacijo odzivov na prihodnje epidemije. "

• Aktivacija estrogenskega receptorja lahko ovira rast rakavih celic trebušne slinavke
• Virusi iz blata lahko pomagajo v boju proti debelosti in sladkorni bolezni tipa 2