วิธีการใหม่ในการสร้างแบบจำลองการแพร่ระบาดสามารถเร่งการจำลองการแพร่ระบาดได้

การจำลองที่ช่วยตัดสินว่าการระบาดใหญ่จะแพร่กระจายอย่างไรอาจใช้เวลาหลายสัปดาห์หรือหลายเดือน การศึกษาเมื่อเร็วๆ นี้ในPLOS Computational Biologyเสนอแนวทางใหม่ในการสร้างแบบจำลองการแพร่ระบาดซึ่งสามารถเร่งกระบวนการได้อย่างมาก การศึกษาใช้ sparsification ซึ่งเป็นวิธีการจากทฤษฎีกราฟและวิทยาการคอมพิวเตอร์ เพื่อระบุว่าลิงก์ใดในเครือข่ายที่สำคัญที่สุดสำหรับการแพร่กระจายของโรค ผู้เขียนพบว่าสามารถลดเวลาในการคำนวณสำหรับการจำลองการแพร่กระจายของโรคผ่านเครือข่ายสังคมที่ซับซ้อนสูงได้ 90% หรือมากกว่านั้น โดยการมุ่งเน้นไปที่การเชื่อมโยงที่สำคัญ "การจำลองการแพร่ระบาดต้องใช้ทรัพยากรและเวลาในการประมวลผลจำนวนมาก ซึ่งหมายความว่าผลลัพธ์ของคุณอาจล้าสมัยเมื่อถึงเวลาที่คุณพร้อมที่จะเผยแพร่" ผู้เขียนนำ Alexander Mercier อดีตนักวิจัยระดับปริญญาตรีที่สถาบันซานตาเฟ่และปัจจุบันปริญญาเอกกล่าว ง. นักเรียนที่ Harvard TH Chan School of Public Health "การวิจัยของเราจะช่วยให้เราสามารถใช้แบบจำลองที่ซับซ้อนและชุดข้อมูลที่ใหญ่ขึ้นได้ในที่สุด ในขณะที่ยังคงดำเนินการในช่วงเวลาที่เหมาะสมเมื่อจำลองการแพร่กระจายของโรคระบาด เช่น โควิด-19" สำหรับการศึกษานี้ Mercier ร่วมกับนักวิจัย SFI Samuel Scarpino และ Cristopher Moore ใช้ข้อมูลจาก US Census Bureau เพื่อพัฒนาเครือข่ายการเดินทางที่อธิบายถึงวิธีการเดินทางของผู้คนทั่วประเทศ จากนั้น พวกเขาใช้วิธีการกระจายที่แตกต่างกันหลายวิธีเพื่อดูว่าสามารถลดความหนาแน่นของเครือข่ายได้หรือไม่ ในขณะที่ยังคงรักษาไดนามิกโดยรวมของโรคที่แพร่กระจายไปทั่วเครือข่าย โรคระบาด เทคนิคการกระจายตัวที่ประสบความสำเร็จมากที่สุดที่พวกเขาพบคือการต่อต้านที่มีประสิทธิภาพ เทคนิคนี้มาจากวิทยาการคอมพิวเตอร์และขึ้นอยู่กับความต้านทานรวมระหว่างจุดสิ้นสุดสองจุดในวงจรไฟฟ้า ในการศึกษาใหม่ การต่อต้านที่มีประสิทธิภาพทำงานโดยการจัดลำดับความสำคัญของขอบหรือจุดเชื่อมโยงระหว่างโหนดในเครือข่ายการเคลื่อนที่ซึ่งเป็นช่องทางที่มีโอกาสแพร่เชื้อของโรคได้มากที่สุด ในขณะที่ละเลยการเชื่อมโยงที่สามารถข้ามได้ง่ายโดยเส้นทางอื่น Scarpino กล่าวว่า "เป็นเรื่องปกติในวงการวิทยาศาสตร์เพื่อชีวิตที่จะเพิกเฉยต่อการเชื่อมโยงที่มีน้ำหนักน้อยในเครือข่ายอย่างไร้เดียงสา โดยคิดว่ามีความเป็นไปได้เล็กน้อยที่จะแพร่เชื้อโรค" Scarpino กล่าว "แต่ในบทกลอน 'ความแข็งแกร่งของสายสัมพันธ์ที่อ่อนแอ' แม้แต่ความเชื่อมโยงที่มีน้ำหนักน้อยก็สามารถมีความสำคัญเชิงโครงสร้างในการแพร่ระบาดได้ เช่น หากเชื่อมโยงสองภูมิภาคที่ห่างไกลหรือชุมชนที่แตกต่างกัน"