Med hjälp av datormodellering, forskarna strävar efter att upptäcka inte bara direkt överföring, men även kontakt med kontaminerade ytor och indirekt överföring. Kredit:iStock
Vid det här laget, det är ingen överraskning att kontaktspårning – att identifiera en sjuk persons senaste interaktioner för att avgöra vilka andra de kan ha smittat – kan vara ett effektivt sätt att kontrollera coronavirusutbrottet.
Men traditionella metoder, mestadels person-till-person-intervjuer för att identifiera och isolera dem som kan ha kommit i kontakt med viruset, kan vara för långsam inför en accelererande pandemi.
Lösningen? Din smartphone.
USC Computer Science Professor Cyrus Shahabi och hans team arbetar på en kontaktspårningsapp som syftar till att svara på frågan:baserat på mina positionsspår, vad är risken för att bli smittad av coronaviruset?
Individuell riskanalys
Appen tillåter användare att ange symptom och platser som besökts, och tillhandahåller en individuell riskanalys, identifiera potentiella hot spots och ge forskare en bättre uppfattning om hur viruset sprider sig, utan att äventyra användarnas integritet.
Det kan hjälpa tjänstemän att spåra vart viruset tar vägen och larma närliggande personer automatiskt, ge råd om testning eller tillfällig isolering. Med hjälp av datormodellering, forskarna strävar efter att upptäcka inte bara direkt överföring, men även kontakt med kontaminerade ytor och indirekt överföring.
"Kontaktspårningsteknik kan spela en viktig roll för att minska spridningen av viruset i början av kurvan men också mot slutet, att hjälpa människor att gå tillbaka till sina jobb och sociala liv, sa Shahabi, ordförande för USC:s institution för datavetenskap och Helen N. och Emmett H. Jones professur i teknik.
"Den viktigaste utmaningen är hur vi minskar spridningen av coronaviruset i denna omedelbara kris, men också hur vi kan hålla tillbaka hot spots framöver."
Apputvecklingen började som ett samarbete med Peter Kuhn, en USC-dekans professor i biologiska vetenskaper vid Dornsife College of Letters, Konst och vetenskap, och kommer att utökas till att omfatta en backend för datahantering och analys i ett samarbete med forskare vid Emory University och University of Texas Health Science Center (UTHealth).
Projektet föreslås för en National Science Foundation Rapid Response Research-pris, som skapades som svar på nödfall som coronavirus-pandemin.
Traditionella kontaktspårningsmetoder, avbildad ovan, är effektiva, men kan vara för långsam inför en pandemi. Använda telefondata, potentiella infekterade individer kan meddelas snabbare, testade och potentiellt isolerade för att stoppa spridningen. Kredit:CDC Creative Commons.
Sekretessförbättringar
Även om kontaktspårning har fungerat i länder som Sydkorea och Kina, Det finns fortfarande frågetecken över integritetsfrågor och effektiviteten av att spåra sjukdomar med hjälp av mobiltelefondata.
Men Shahabi, en expert på platsintegritet, och hans team är förberedda:i flera år, forskarna har tagit itu med båda dessa frågor för mer vardagliga platsbaserade tjänster som samåkningsappar och "point of interest"-sökningar.
I pågående forskningsprojekt, Shahabi och hans team arbetar med att göra krypterade dataalgoritmer mer effektiva när de söker efter platsdata. Ett annat aktivt projekt i Shahabis labb tittar på att lägga till brus till platsdata innan appen skickar data till backend-systemet. Men kryptering kan vara långsam och att lägga till brus kan också göra platsspårning mindre effektiv.
För kontaktspårningsappen för covid-19, Teamet fokuserar initialt på enklare integritetsförbättringar för att minska integritetsrisker, samtidigt som man säkerställer omedelbar påverkan på folkhälsan. Specifikt, användare kan välja frekvens för spårning, eller manuell incheckning, samt specificiteten för uppladdade platser – till exempel, downtown LA kontra Grand Central Market – allteftersom deras risker utvecklas.
Framtida versioner av appen kommer att kombinera kryptering och lägga till brus för att skapa en kompromiss mellan noggrannhet och hastighet.
Shahabis tidigare forskning om att sluta sig till vänskapsnätverk mellan användare som använder mobiltelefondata kommer också att bidra till att förbättra noggrannheten i appens riskanalysaspekt. Tanken går att människor spenderar mer tid med dem som de är socialt kopplade till. Som sådan, du är mer sannolikt att bli smittad av en vän som sitter mittemot dig under lunchen än från en server som tar emot din beställning.
"Detta projekt är kulmen på många års arbete, med många forskningsområden som går samman för att ta itu med en världsomspännande pandemi, ", sade Shahabi. "Vi är särskilt väl positionerade för att ta itu med detta problem på grund av vårt tidigare arbete med platsintegritets- och mobilitetsdataanalys."
Appen kunde, i teorin, vara redo om ett antal veckor, men beror på billiga och enkla tester, som ännu inte är tillgängligt i USA eller många andra länder. Teamet arbetar för närvarande med hälsomyndigheter för att godkänna appen och ansluta till användare för att frivilligt samla in data. Forskarna planerar att rulla ut appen till studentpopulationen vid forskarnas tre universitet under höstterminen.