Come le app meteorologiche possono prevedere il rischio di COVID

Di Laura Tedesco

17 agosto 2022 - Tapio Schneider è uno scienziato del clima e sua moglie un ingegnere meccanico. Per molti versi, erano come molte altre famiglie colpite dalla COVID: due bambini piccoli fuori dalla scuola e infinite riunioni di Zoom da casa. Ma i due non si limitavano a preparare il pane a lievitazione naturale e a fare passeggiate durante l'isolamento: Stavano pensando a come usare la loro esperienza per aiutare.

"Eravamo rintanati a casa come tutti gli altri e parlavamo di come evitare l'isolamento o le serrate", ricorda Schneider, professore di scienze ambientali e ingegneria al California Institute of Technology e ricercatore senior al Jet Propulsion Laboratory della NASA.

All'epoca, i blocchi erano l'unico modo conosciuto per controllare il virus, ma Schneider riteneva che non funzionassero bene.

"Anche al culmine della pandemia, l'1 o il 2% della popolazione era effettivamente contagioso", afferma Schneider. "Il 98% non aveva bisogno di essere isolato". Ma il problema era capire chi fossero queste persone infettive.

Poi ha pensato: E se si potesse creare una "previsione" COVID utilizzando la stessa tecnologia delle app meteorologiche?

La moglie di Schneider, anch'essa docente al Caltech, stava studiando i sensori di temperatura corporea. Forse, hanno pensato, i dati provenienti da dispositivi simili potrebbero essere combinati con i dati dei test COVID per prevedere le probabilità di una persona di contrarre il virus. Inviando questi dati a un'applicazione, ogni utente potrebbe ricevere il proprio rischio personalizzato direttamente sul proprio smartphone.

Il seme di un'idea è diventato uno studio in PLOS Computational Biology. Schneider ha collaborato con un team globale - tra cui uno scienziato computazionale della Germania e un modellatore di malattie della Columbia University di New York - per scoprire se un'app di questo tipo potrebbe aiutare a controllare una pandemia come il COVID. I risultati sono promettenti.

Come funziona un'app per la previsione della COVID

Se avete mai usato un'app meteo, avrete probabilmente notato che le previsioni per il fine settimana possono apparire molto diverse il lunedì rispetto al venerdì. E questo non perché i meteorologi non sappiano cosa stanno facendo: È un riflesso dell'enorme quantità di dati che vengono importati costantemente, aumentando l'accuratezza delle previsioni man mano che si avvicina la data effettiva.

Ogni 12 ore, le app meteo eseguono un'analisi. Il primo passo è l'acquisizione dello stato atmosferico attuale, come temperatura, umidità e velocità del vento, misurati da fonti come stazioni meteorologiche e satelliti. Queste informazioni vengono mescolate con le previsioni di 12 ore prima e poi inserite in un modello atmosferico. Un algoritmo prevede quali saranno le condizioni tra altre 12 ore, l'app meteo si aggiorna e mezza giornata dopo il ciclo si ripete.

Immaginate un'app che utilizzi un metodo simile, ma che inserisca i dati COVID in un modello di tracciamento delle malattie, tracciando il percorso da rischio, a esposizione, a contagio e infine a guarigione, ricovero o decesso. I dati includerebbero quelli più ovvi - risultati di test rapidi e antigenici, sintomi autodichiarati - insieme a quelli più inaspettati, come i dati provenienti dagli smartphone e la quantità di virus nelle acque reflue locali, che sta rapidamente diventando uno strumento prezioso per prevedere i focolai di COVID.

"La chiave è che è specifica per gli individui", spiega Schneider. L'applicazione non si limiterebbe a prevedere la percentuale di persone infette nella vostra città, ma valuterebbe il vostro rischio specifico di contrarre il virus, in base ai dati raccolti dal vostro dispositivo Bluetooth.

Le attuali applicazioni di notifica dell'esposizione, più diffuse in Europa e in Asia che negli Stati Uniti, segnalano l'esposizione al virus, ma non aggiornano l'utente tra un avviso e l'altro. Schneider immagina di utilizzare i dati di queste app in modo più efficiente, attingendo ad altre fonti di dati, fornendo una previsione di contagio regolarmente aggiornata e consigliando di autoisolarsi dopo una probabile esposizione.

Quanto sarebbe efficace l'app?

Nello studio, Schneider e il suo team hanno creato una città di simulazione, progettata per imitare New York durante le prime fasi della pandemia. Questa rete di dati comprendeva migliaia di punti intersecati, ognuno dei quali rappresentava una persona - alcuni con molte interazioni quotidiane, altri con poche. A ciascuno di essi è stata assegnata un'età, perché l'età influisce sul percorso del COVID.

Cosa hanno rivelato le loro simulazioni: Se il 75% delle persone utilizzasse un'applicazione per la previsione del COVID e si autoisolasse come raccomandato, la pandemia potrebbe essere efficacemente controllata, a patto che i tassi di test diagnostici siano elevati.

"È efficace quanto un isolamento, solo che in qualsiasi momento solo una piccola parte della popolazione si isola", spiega Schneider, sottolineando che in questo caso la "piccola parte" è circa il 10% della popolazione. "La maggior parte delle persone potrebbe continuare a vivere normalmente".

Ma, come ha rivelato la lentezza dei tassi di vaccinazione COVID, l'adesione quasi universale potrebbe essere un obiettivo irraggiungibile.

Un'altra sfida potenziale: superare i problemi di privacy, anche se i dati sarebbero resi anonimi. Secondo Schneider, iniziare con comunità più piccole, come i campus universitari o i luoghi di lavoro, potrebbe favorire un'accettazione più diffusa, in quanto le persone vedrebbero il vantaggio di condividere i propri dati. I più giovani, osserva, sembrano più a loro agio nel divulgare informazioni sulla salute, il che significa che potrebbero essere più disposti a usare un'app di questo tipo, soprattutto se potesse scongiurare un'altra chiusura.

Il futuro del monitoraggio delle malattie infettive: Dare potere a ogni persona

La modellazione matematica delle malattie infettive non è una novità. Nel 2009, durante la pandemia di H1N1 (influenza suina), il CDC ha utilizzato dati provenienti da più fonti per contribuire a rallentare la diffusione dell'influenza. Durante l'ondata di Zika tra il 2016 e il 2017, la modellazione ha aiutato i ricercatori a identificare precocemente il legame tra il virus e la microcefalia, ovvero una condizione in cui la testa del bambino è molto più piccola del normale. In effetti, le previsioni matematiche sono state utili per qualsiasi cosa, dall'influenza all'HIV, secondo un articolo del 2022 pubblicato su Clinical Infectious Diseases.

Poi è arrivata la COVID-19, la peggiore pandemia nella storia degli Stati Uniti, che ha richiesto un nuovo livello di calcolo.

In collaborazione con l'Università del Massachusetts di Amherst, il CDC ha creato The Hub, un archivio di dati che ha unito diverse previsioni indipendenti per prevedere i casi di COVID, i ricoveri e i decessi. Questo impegno massiccio non solo ha contribuito a informare le politiche pubbliche, ma ha anche rivelato l'importanza di una rapida rintracciabilità dei contatti: Se l'identificazione dei contatti stretti richiedeva più di 6 giorni e mezzo dopo l'esposizione, era praticamente inutile.

Schneider fa eco a questa preoccupazione per quello che un tempo era lodato come il metodo di controllo della COVID. Nelle simulazioni del suo team sulle previsioni basate sulle app, "si riducono i tassi di mortalità di un fattore compreso tra 2 e 4, solo perché si identifica un numero maggiore di persone probabilmente contagiose rispetto a quello che si otterrebbe con i test, il rintracciamento e l'isolamento", afferma Schneider. La tracciabilità dei contatti è limitata nella sua capacità di controllare la diffusione del COVID, a causa dell'alto tasso di trasmissione senza sintomi e del breve periodo di latenza del virus. Combinando più fonti di dati con un modello di trasmissione della malattia, si ottiene una maggiore efficienza.

"Si sa come si diffonde nella rete", dice Schneider. "E una volta che lo si è incorporato, si ottiene un controllo più efficace dell'epidemia".

L'applicazione di questo approccio matematico agli individui, anziché a intere popolazioni, è la vera innovazione nella visione di Schneider. In passato potevamo prevedere, ad esempio, la possibilità di trovare una persona infetta in tutta New York. Ma l'applicazione che Schneider spera di sviluppare determinerebbe la possibilità unica di contagio per ogni utente. In questo modo, si avrebbe la possibilità di prendere decisioni consapevoli: esco stasera? Mi autoisolo? - nelle mani di tutti.

"Abbiamo una tecnologia che può portare alla gestione delle epidemie, persino a ridurle del tutto, se viene adottata in modo sufficientemente diffuso e combinata con i test", afferma Schneider, "ed è altrettanto efficace dei nostri blocchi, senza dover isolare gran parte della popolazione".

Secondo Schneider, questa innovazione potrebbe aiutare a tenere traccia di malattie infettive come l'influenza o persino a frenare il prossimo COVID.

"Si vogliono controllare le epidemie, si vogliono ridurre al minimo le malattie e le sofferenze", afferma Schneider. "Allo stesso tempo, si vogliono ridurre al minimo le perturbazioni economiche e le interruzioni della vita e della scolarizzazione. La speranza è che con mezzi digitali come quelli che abbiamo descritto, si possano raggiungere questi due obiettivi".