Сочетая технологии и здоровье животных, группа исследователей из Университета штата Канзас разрабатывает более эффективный способ прогнозирования распространения ящура и воздействия профилактических мер.
Исследователи обнаруживают, что если вспышка ящура не находится в стадии эпидемии, превентивная вакцинация является минимально дорогостоящим способом остановить распространение болезни среди сети животных. Но если высока вероятность заражения, компьютерные модели показывают, что стратегии выбраковки лучше.
"Мы пытаемся сделать прогнозное, а также превентивное моделирование, используя сетевой подход," сказал Сохини Рой Чоудхури, магистр электротехники. "Сначала мы отслеживаем, как инфекция распространяется в пространстве и времени. Затем мы пытаемся смягчить это с помощью определенных стратегий. Новаторским вкладом этого проекта является то, что мы рассмотрели сети в таких странах, как Турция, Иран и Таиланд, которые не имеют хорошо построенной базы данных."
Рой Чоудхури работает с Катериной Скольо, адъюнкт-профессором электротехники и вычислительной техники, и Уильямом Хсу, адъюнкт-профессором информатики и информационных наук. Они представили свою работу в декабре 2009 года на Второй Международной конференции по динамике инфекционных заболеваний в Афинах, Греция.
Исследователи использовали математические уравнения, чтобы предсказать, как ящур распространяется в сети зараженных стад. В сети узлами являются такие места, как скотные дворы и пастбища, где содержатся животные. Они связаны различными способами, например, перемещением животных на пастбище или перемещением людей и транспортных средств между стадами. Сюй сказал, что цель исследователей – повысить точность моделей, которые предсказывают распространение болезни в этих сетях в пространстве и времени.
В экспериментах исследователи провели неделю прогнозирующего моделирования в реальной сети и увидели, насколько хорошо оно соответствует данным из реального эпизода. Рой Чоудхури сказал, что они также использовали модули на основе искусственного интеллекта для перекрестного сравнения точности модели.
Исследователи также протестировали такие стратегии смягчения последствий, как вакцинация, выбраковка и изоляция, чтобы увидеть, как они повлияли на сеть. В реальных вспышках ящура часто считается, что выбраковка является лучшей стратегией, но Скольо сказал, что их исследования могут пролить больше света на эффективность этой практики.
"Это надежда на то, чтобы должным образом сдержать такое заразное заболевание, как ящур, при сведении к минимуму экономических потерь," Scoglio сказал.
Сюй сказал, что это исследование также может помочь работникам по оказанию помощи, направленным для борьбы с ящуром. По его словам, сетевые модели K-State улучшают существующие, поскольку они учитывают такие факторы, как ветер, выпас животных и перемещение людей между регионами, а также количество мясных рынков в районе.
Исследовательская группа Скольо и раньше изучала вспышки заболеваний с использованием компьютерных моделей сетей, но этот проект отличается тем, что рассматривает конкретное заболевание, сказала она.
Сюй внес свое исследование в области интеллектуального анализа данных, целью которого является изучение новостей и других общедоступных онлайн-источников и извлечение информации, которая может дать подсказки о вспышках заболеваний. Для этого проекта система Сюй просканировала и проанализировала веб-статьи из новостных агентств, таких как BBC и CNN, а также из таких источников, как информационные бюллетени по борьбе с болезнями из университетов.
"Подобно тому, как Google индексирует сайты на основе авторитетности и ищет узловые сайты, мы также стремимся начать сканирование Интернета с таких сайтов, как Всемирная организация здравоохранения и Центры по контролю и профилактике заболеваний," Сюй сказал.
На конференции в Афинах Рой Чоудхури также представил плакат о предварительной работе, проделанной группой по инфекциям H1N1. Используя временные модели, они предсказали, когда инфекция достигнет пика, и скорость, с которой они снизятся после этого пика. Рой Чоудхури использовал данные Центров по контролю и профилактике заболеваний. Группа планирует расширить этот анализ эпидемии H1N1, используя сетевые модели.