Опубликовано : Сен 16, 2020

Новый алгоритм сигнализирует о возможном возобновлении болезни

Новый алгоритм сигнализирует о возможном возрождении болезни
Профессор Пейман Рохани работает над уравнениями на доске внутри Экологического Дома. Предоставлено: Эндрю Дэвис Такер/UGA.

Ученые из Университета Джорджии использовали машинное обучение для прогнозирования повторного возникновения существующих инфекционных заболеваний. Алгоритм отслеживает данные общественного здравоохранения для выявления статистических закономерностей, связанных с надвигающимися вспышками. Исследование Тобиаса Бретта и Пеймана Рохани было недавно опубликовано в PLoS Biology.

Хотя этот метод не может предсказать начало нового заболевания, такого как COVID-19, он, тем не менее, имеет последствия для общественного здравоохранения во время пандемии.

«Всемирная организация здравоохранения говорит о снижении охвата прививками от болезней, о которых мы уже знаем и против которых у нас есть вакцины, таких как корь, коклюш и свинка», — сказал Рохани, профессор Regents ‘и UGA Athletic Ассоциация профессоров экологии и инфекционных болезней. «В результате COVID этот алгоритм может быть действительно полезен для выявления тех групп населения, которые могут столкнуться с возрождением этих инфекций, которые можно предотвратить с помощью вакцин».

Одинаковые шаблоны

Этот метод основан на теории о том, что в отчетах эпиднадзора появляются определенные характерные признаки, когда основные условия становятся благоприятными для вспышки. Эти меняющиеся условия могут включать в себя такие вещи, как снижение эффективности вакцины или снижение показателей вакцинации, или факторы окружающей среды, такие как изменение климата. Независимо от первопричины изменения, отчеты о случаях демонстрируют те же статистические закономерности.

Бретт и Рохани разработали алгоритм, который отслеживает отчеты о случаях с течением времени, чтобы найти эти закономерности и вычислить уровень риска повторного появления болезни.

Поскольку алгоритм должен быть применим ко многим заболеваниям, Бретт и Рохани обучили его распознавать закономерности, характерные для надвигающейся вспышки, используя 10 000 наборов имитированных отчетов о случаях за период в 10 лет. Смоделированные данные включали широкий спектр комбинаций параметров и различных механизмов возрождения.

Половина этих наборов данных временных рядов была предназначена для подготовки к внезапной вспышке болезни, а половина — нет.

«Мы сообщаем алгоритму, какие 5 000 временных рядов появляются [болезни], а какие 5 000 — нет», — сказал Бретт, научный сотрудник Школы экологии Odum. «Таким образом, алгоритм изучает статистические характеристики и комбинации статистических характеристик, которые позволяют успешно предсказать, собирается ли популяция проявлять вспышку или нет».

Как только алгоритм научился определять общие закономерности, указывающие на возникновение болезни, Бретт и Рохани проверили его на данных временных рядов для случаев, приведших к четырем историческим вспышкам заболеваний.

В 2004–2005 годах в Англии произошла вспышка паротита, вирусного заболевания, после примерно 15-летнего периода очень низкого уровня передачи после введения плановой вакцинации младенцев. Анализируя отчеты о случаях заболевания в Общественном здравоохранении Англии с 1990 по 2005 год, алгоритм определил закономерность, сигнализирующую о надвигающейся вспышке, за четыре года до ее начала.

Почти идеальная идентификация

Коклюш, бактериальное заболевание, которое было резко сокращено с помощью программ вакцинации, в последнее время вновь начало неравномерно расти в США. Вспышки эпидемии произошли в некоторых, но не во всех штатах в разное время, начиная с конца 1970-х годов. В этом случае Бретт и Рохани хотели знать, может ли алгоритм заранее определить, в каких штатах произошли вспышки. Примененный к данным государственных органов здравоохранения за период с 1980 по 2000 год, алгоритм правильно идентифицировал эти состояния почти в 100% случаев.

Свинка и коклюш передаются напрямую, но многие инфекционные заболевания, вызывающие озабоченность в области общественного здравоохранения, передаются переносчиками, такими как комары, клещи или блохи. Чтобы определить, будет ли алгоритм работать и для этих болезней, Бретт и Рохани проверили его на данных краткой вспышки бубонной чумы 2017 года на Мадагаскаре и серии вспышек лихорадки денге в Пуэрто-Рико, произошедших в период с 1995 по 2009 годы. случаев, они обнаружили, что алгоритм был в состоянии идентифицировать надвигающиеся вспышки до того, как они произошли.

«Я думаю, что и Тоби, и я были поражены тем, насколько хорошо алгоритм работал в этих разных системах с разными режимами передачи и возрождением, которое действует в очень разных временных масштабах, от недель до многих лет», — сказал Рохани. «Это увеличивает нашу уверенность в том, что этот подход позволяет выявить что-то очень общее в этих системах, а не специфичное для системы или деталей».

Сотрудники здравоохранения продолжают звонить

Бретт и Рохани подчеркнули, что, хотя алгоритм может рассчитать риск повторного возникновения болезни, определение порогового значения риска, которое приведет к срабатыванию предупреждения и мер по предотвращению вспышки, должно быть принято представителями общественного здравоохранения с учетом более крупных социальный и экономический контекст.

«Мы рассматриваем наш алгоритм как потенциальный инструмент в наборе инструментов общественного здравоохранения. Вопросы о том, когда бить тревогу, а когда не бить тревогу, не могут быть решены одними учеными», — сказал Бретт. «Они должны быть сделаны с пониманием более широких затрат, связанных либо с ошибочным сигналом тревоги, либо с неспособностью подготовиться к вспышке. В настоящее время это то, что органы общественного здравоохранения могут сделать лучше всего»./P>

Spread the love

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *