När världen kämpar med COVID-19-pandemin, en ny matematisk modell kan ge insikter om hur man kan förbättra framtida epidemiprognoser baserat på hur information muterar när den överförs från person till person och grupp till grupp.

Den amerikanska armén finansierade denna modell, utvecklat av forskare vid Carnegie Mellon University och Princeton University, genom Army Research Laboratory's Army Research Office, båda elementen i Combat Capabilities Development Command.

Modellen föreslår att idéer och information sprids och utvecklas mellan individer med mönster som liknar gener genom att de replikerar sig själv, mutera och svara på selektivt tryck när de interagerar med sin värd.

"Dessa evolutionära förändringar har en enorm inverkan, "sade CyLab -fakultetsmedlem Osman Yagan, docent i elektroteknik och datorteknik vid Carnegie Mellon University och motsvarande författare till studien. "Om du inte överväger de potentiella förändringarna över tid, du kommer att ha fel när du förutspår antalet människor som kommer att bli sjuka eller antalet personer som utsätts för en del information. "

I deras studie, publicerad 17 mars i Förfaranden från National Academy of Sciences , forskarna utvecklade en matematisk modell som tar hänsyn till evolutionära förändringar av både sjukdom och information. Forskningen testade modellen mot tusentals datorsimulerade epidemier med hjälp av data från två verkliga nätverk:ett kontaktnät mellan studenter, lärare, och personal på en amerikansk gymnasium, och ett kontaktnät mellan personal och patienter på ett sjukhus i Lyon, Frankrike.

"Vi visade att vår teori fungerar över verkliga nätverk, "sa studiens första författare, Rashad Eletreby, som var doktorand från Carnegie Mellon när han skrev tidningen. "Traditionella modeller som inte tar hänsyn till evolutionära anpassningar misslyckas med att förutsäga sannolikheten för uppkomsten av en epidemi."

Forskarna sa att den epidemimodell som används mest idag inte är utformad för att redogöra för förändringar i sjukdomen som spåras. Denna oförmåga att redogöra för förändringar i sjukdomen kan göra det svårare för ledare att motverka en sjukdoms spridning eller fatta effektiva folkhälsobeslut, till exempel när de ska införa hemvistorder eller skicka ytterligare resurser till ett område.

"Spridningen av ett rykte eller information via ett nätverk liknar mycket spridningen av ett virus genom en befolkning, "sa Dr. H. Vincent Poor, en av forskarna på denna studie och Princetons interimdekan för teknik. "Olika informationsdelar har olika överföringshastigheter. Vår modell gör att vi kan överväga ändringar av information när den sprids genom nätverket och hur dessa förändringar påverkar spridningen."

Även om studien inte är en silverkula för att förutsäga spridningen av dagens coronavirus eller spridning av desinformation, författarna säger att det är ett stort steg.

I framtiden, laget hoppas att deras forskning kan användas för att förbättra spårningen av epidemier och pandemier genom att redogöra för mutationer i sjukdomar och i slutändan överväga interventioner som karantän och sedan förutse hur dessa insatser skulle påverka en epidemis spridning när patogenen muterar när den sprider sig.

"Detta arbete demonstrerar vikten av grundforskning och förmågan hos forskare inom olika discipliner att informera varandras arbete, "sa doktor Edward Palazzolo, programansvarig för programmet Sociala och kognitiva nätverk vid Arméforskningskontoret. "Även om det var i ett tidigt skede, dessa modeller visar löfte för att förstå nätverksdiffusion mot bakgrund av mutationer. "

Förutom armén, National Science Foundation och Office of Naval Research stödde också denna forskning. Andra forskare medförfattare av tidningen inkluderar Yong Zhuang och Kathleen Carley från Carnegie Mellon University.