Ai primi accenni dello scoppio di una malattia epidemiologi, operatori sanitari, decisori politici e scienziati si rivolgono a sofisticati modelli di previsione per determinare in che modo la malattia si sta diffondendo e che cosa dovrebbe esser fatto per minimizzare il rischio di contagio. Una ricerca in collaborazione tra il Politecnico di Torino e la New York University Tandon School of Engineering sta rivoluzionando il processo di modellazione tradizionale, ottenendo previsioni più semplici da calcolare e più efficaci all’interno di un mondo iperconnesso.
Tutti i modelli predittivi correlano il movimento di una malattia alla popolazione nel corso del tempo, ma le simulazioni odierne non sempre tengono conto in maniera efficace di un aspetto ovvio: la mobilità e l’attività variano tra le persone e queste variazioni hanno un impatto sulla probabilità di contrarre o diffondere la malattia.
Un nuovo paradigma è stato esposto in un paper pubblicato sulla prestigiosa rivista Physical Review Letters da Alessandro Rizzo, professore associato del Dipartimento di Automatica e Informatica del Politecnico e visiting professor alla New York University Tandon School of Engineering, Lorenzo Zino, dottorando del Politecnico in matematica pura e applicata, e Maurizio Porfiri, professore di Ingegneria meccanica e aerospaziale alla New York University Tandon School of Engineering.
Nel futuro, i ricercatori si aspettano che questo modello possa aiutare gli operatori del settore ad affrontare un’epidemia, incluse l’attuazione di strategie di vaccinazione, la valutazione di rischi e benefici indotti dai divieti di viaggio e la misurazione dell’efficacia delle campagne di prevenzione delle malattie.
