Basato su dati reali, come le ricerche su Google e i post su Twitter ma non solo, il complesso modello matematico messo a punto da un team di esperti dell’Università di Harvard ha già segnalato con anticipo un picco di diffusione a New York, a metà marzo
E’ possibile prevedere gli sviluppi del nuovo coronavirus solamente analizzando le ricerche effettuate su Google, i post su Twitter e altri dati estrapolati dal web? La risposta potrebbe essere sì, almeno secondo l’algoritmo messo a punto da un team di esperti dell’Università di Harvard, coordinati da Mauricio Santillana e Nicole Kogan, di cui ha parlato anche un articolo del New York Times.
Le fonti utilizzate
I ricercatori, il cui studio è al momento pubblicato in pre-print sul sito arXiv.org, sostengono che queste previsioni siano possibili proprio combinando l'analisi di quattro fonti, oltre alle ricerche su Google: il contenuto dei post su Twitter, le ricerche fatte dai medici sulla piattaforma specializzata UptoDate, i dati anonimi degli spostamenti ricavati dagli smartphone e le misure dei termometri smart dell’azienda specializzata americana Kinsa, che inviano i loro dati ad un server centrale. Il tutto integrando questi flussi con un sofisticato modello di previsione sviluppato presso la Northeastern University, basato su come le persone si muovono e interagiscono all’interno della comunità. Tutti questi dati, se analizzati correttamente, potrebbero essere utili per predire focolai e picchi di diffusione del virus, segnalando un possibile aumento dei casi anche con un anticipo di due o tre settimane.
Il test su New York
Santillana, che ha spiegato come ciascuno di questi elementi venga considerato a seconda dell’importanza e integrato all’interno del modello matematico, ha raccontato che il sistema messo a punto dal suo team di lavoro è stato già testato sull'andamento dei casi negli Stati Uniti a marzo e ad aprile, riuscendo a prevedere i picchi di diffusione del contagio anche con tre settimane d’anticipo. Ad aiutare i ricercatori nell'esplosione dei casi avvenuto a New York a metà marzo, ad esempio, era stato un notevole aumento dei tweet a tema Covid una settimana prima, oltre alle misurazioni dei termometri e alle ricerche su Google. E sempre gli stessi esperti, in base al modello matematico messo a punto, hanno segnalato come nel corso delle prossime settimane, in Nebraska e New Hampshire, potrebbe verificarsi un aumento dei casi.
Le misure da adottare
"Nella maggior parte dei modelli predittivi legati alle malattie infettive, vengono proiettati diversi scenari, basati su ipotesi formulate in anticipo", ha spiegato Santillana, direttore del Machine Intelligence Lab presso l'ospedale pediatrico di Boston e docente di pediatria ed epidemiologia ad Harvard. "Quello che abbiamo messo a punto con questo algoritmo è osservare, senza fare ipotesi”, ha spiegato proprio al New York Times. “L'algoritmo si può affiancare alla sorveglianza tradizionale, aiutando a prendere le decisioni migliori sulle misure da adottare", ha poi aggiunto. L'uso dell'analisi dei dati in tempo reale per valutare la progressione di una malattia, argomenta ancora il NYT, risale almeno al 2008, quando gli ingegneri di Google avevano iniziato a stimare un picco delle visite dei medici a causa dell'influenza monitorando le tendenze di ricerca per parole come "sentirsi esausti", "dolori articolari", "dosaggio Tamiflu ", un farmaco antivirale per il trattamento e la profilassi della influenza A e B, e anche molti altri termini. Da allora però, questo approccio è andato via via migliorandosi, combinando le ricerche di Google con altri tipi di dati, proprio come successo nel modello proposto dai ricercatori di Harvard.
