Tracking COVID-19 Ausbreitung schneller und genauer
Mit einem Ansatz, der verbindet big data, Netzwerk Wissenschaft und stochastischen Systemen, Michigan Engineering professor arbeitet, um algorithmen zu entwickeln, die schnell und genau identifizieren zu können COVID-19 „patient zero“ wie breitet sich das virus an neue Orte oder resurges, zu rekonstruieren und Ihre Verbreitung mit begrenzten Informationen.
Lei Ying, professor für Elektrotechnik und informatik, ist mit einer Vielzahl von Daten umfassen, zum Beispiel, die Mobilität der Menschen-data -, social network-Daten und genetischen Netzwerk-Analyse. Dies ist eine neue Anwendung von einem NSF-Projekt, das Ying und sein team schon seit mehreren Jahren.
Das Projekt konzentriert sich auf die Schaffung eines theoretischen Rahmens für die Lokalisierung der Quelle von etwas, das bereits so gestreut, kann es scheinen, wie der Suche nach dem original-Stiel der Strohhalm im Heuhaufen.
Was hat sich möglicherweise ein Gerücht im Internet, eine emotion angeregt durch ein Bild auf social media, oder im Fall von COVID-19 der viralen Keime.
Die Lokalisierung der Herkunft und die Wiederherstellung der Verbreitung der Geschichte einer Epidemie, die helfen können zu erkennen, wie die Krankheit übertragen wurde, sagt Ying, und die wiederum zeigen Modi von getrieben, gefährliche Exposition der Standorte und Personen mit hohem Risiko. Unter Berufung auf das 2009 H1N1-virus führte in zwischen 151,000 und 575,000 Todesfälle als einen Fall, wo diese Forschung rettete zahlreiche Leben, könnte diese Technologie bieten wichtige Informationen wie die nation und die Welt erneut zu öffnen.
„Idealerweise sollte es möglich sein, eine vollständige Geschichte der direkten Linien der Infektion zu rekonstruieren, die zu einem Ausbruch,“ Ying sagte. „Realistisch ist das nicht möglich. Selbst nahe zu kommen tracing genauen Linien der übertragung könnte mehr Ressourcen, sowohl in Bezug auf Zeit und Kosten, als angemessen ist. Aber durch die Suche auf einen kleineren Satz von Schlüssel hinweisen, können wir uns nahe kommen.
„Unser Algorithmus ist so konzipiert, verwendet werden, mit unvollkommenen Kontakt-tracing, bietet so ein genaueres Bild von der Verbreitung auch teilweise oder eingeschränkte Kontakt-tracing-Informationen.“
Ying erzeugt ein rekonstruktionsalgorithmus auf der Grundlage von nur teilweise Beobachtungen, zeigt eine überlegene Leistung über vorhandene algorithmen und heuristischen Methoden. Getestet auf der westlichen Staaten Stromnetz und Internet-autonome Systeme-Netzwerk Sie wenden sich jetzt Ihre Aufmerksamkeit auf die Verfolgung der Pfad von COVID-19.