Hoe weer-apps uw COVID-risico kunnen voorspellen

Door Laura Tedesco

17 aug. 2022 - Tapio Schneider is klimaatwetenschapper en zijn vrouw werktuigbouwkundig ingenieur. In veel opzichten waren ze zoals veel andere gezinnen die door de COVID waren getroffen: twee jonge kinderen die niet naar school gingen en eindeloze Zoom-vergaderingen vanuit huis. Maar de twee maakten niet alleen zuurdesembrood en maakten wandelingen tijdens de lockdown: Ze waren aan het brainstormen hoe ze hun expertise konden gebruiken om te helpen.

"We verschansten ons thuis zoals iedereen en praatten over hoe isolatie of lockdowns konden worden vermeden," herinnert Schneider zich, een professor in milieuwetenschappen en engineering aan het California Institute of Technology en een senior onderzoekswetenschapper bij NASA's Jet Propulsion Laboratory.

Op dat moment waren lockdowns de enige bekende manier om het virus onder controle te krijgen, maar Schneider vond dat ze niet goed werkten.

"Zelfs op het hoogtepunt van de pandemie was 1 of 2% van de bevolking daadwerkelijk besmettelijk," zegt hij. "Achtennegentig procent hoefde niet geïsoleerd te worden." Maar het probleem was uit te vinden wie die besmettelijke mensen waren.

Toen drong het tot hem door: Wat als hij een COVID "voorspelling" kon maken met dezelfde technologie die weer apps gebruiken?

Schneiders vrouw, ook een Caltech-professor, bestudeerde lichaamstemperatuursensoren. Misschien, zo redeneerden ze, zouden gegevens van soortgelijke apparaten kunnen worden gecombineerd met COVID-testgegevens om te voorspellen hoe groot de kans is dat iemand het virus krijgt. Stuur die gegevens naar een app, en elke gebruiker zou zijn eigen gepersonaliseerde risico rechtstreeks naar zijn smartphone kunnen krijgen.

Dat idee werd omgezet in een studie in PLOS Computational Biology. Schneider werkte samen met een wereldwijd team - waaronder een computationele wetenschapper uit Duitsland en een ziektemodelleerder van Columbia University in New York City - om uit te zoeken of een app als deze kan helpen om een pandemie als COVID onder controle te krijgen. En de resultaten zijn veelbelovend.

Hoe een COVID voorspellingsapp werkt

Als je ooit een weer-app hebt gebruikt, heb je waarschijnlijk gemerkt dat de weekendverwachting er op maandag heel anders uit kan zien dan op vrijdag. En dat is niet omdat de meteorologen niet weten wat ze doen: Het is een weerspiegeling van de enorme overvloed aan gegevens die voortdurend worden geïmporteerd, waardoor de nauwkeurigheid van de voorspelling toeneemt naarmate de datum dichterbij komt.

Elke 12 uur voeren weer apps een analyse uit. De eerste stap is het vastleggen van de huidige toestand van de atmosfeer - zaken als temperatuur, vochtigheid en windsnelheid, zoals gemeten door bronnen als weerstations en satellieten. Deze informatie wordt gecombineerd met de verwachting van 12 uur eerder, en vervolgens in een atmosferisch model gestopt. Een algoritme voorspelt hoe de omstandigheden over 12 uur zullen zijn, de weer-app wordt bijgewerkt, en een halve dag later wordt de cyclus herhaald.

Stel je een app voor die een soortgelijke methode gebruikt, maar die de COVID-gegevens in een ziekte-opsporingsmodel inplugt en de weg van risico, naar blootstelling, naar besmetting, en uiteindelijk naar herstel, ziekenhuisopname of overlijden. De gegevens omvatten de voor de hand liggende - resultaten van snelle tests en antigeentests, zelfgerapporteerde symptomen - samen met de meer onverwachte, zoals gegevens van smartphones en de hoeveelheid virus in lokaal afvalwater, wat snel een waardevol instrument wordt voor het voorspellen van COVID-uitbraken.

"De sleutel is dat dit specifiek is voor individuen," legt Schneider uit. De app voorspelt niet alleen het percentage mensen in jouw stad dat besmet is, maar beoordeelt jouw unieke risico om het virus te hebben, op basis van de gegevens die je Bluetooth-apparaat oppikt.

Bestaande apps voor blootstellingsmelding, die in Europa en Azië op grotere schaal worden gebruikt dan in de VS, pingen je nadat je mogelijk bent blootgesteld aan het virus, maar ze houden je niet op de hoogte tussen waarschuwingen in. Schneider stelt zich voor de gegevens die deze apps gebruiken op een efficiëntere manier te gebruiken, gebruik te maken van andere gegevensbronnen, een regelmatig bijgewerkte voorspelling van de besmettelijkheid te geven en je te adviseren jezelf te isoleren na een waarschijnlijke blootstelling.

Hoe effectief zou de app zijn?

In de studie creëerden Schneider en zijn team een simulatiestad, ontworpen om New York City na te bootsen tijdens de vroege stadia van de pandemie. Dit web van gegevens bevatte duizenden kruisende punten, die elk een persoon voorstelden - sommige met veel dagelijkse interacties, andere met weinig. Aan elk punt werd een leeftijd toegekend omdat leeftijd van invloed is op de route die COVID neemt.

Wat hun simulaties aantoonden: Als 75% van de mensen een COVID-voorspellingsapp gebruikt en zichzelf isoleert zoals aanbevolen, kan de pandemie effectief onder controle worden gehouden - zolang de diagnostische tests hoog zijn.

"Het is net zo effectief als een lockdown, behalve dat op elk moment slechts een klein deel van de bevolking zichzelf isoleert", zegt Schneider, waarbij hij opmerkt dat in dit geval een "klein deel" ongeveer 10% van de bevolking is. "De meeste mensen kunnen normaal verder leven."

Maar zoals de trage COVID-vaccinatiecijfers hebben aangetoond, zou een bijna universele naleving wel eens een doel kunnen zijn dat niet kan worden bereikt.

Een andere mogelijke uitdaging: het overwinnen van privacyproblemen, ook al zijn de gegevens anoniem. Beginnen met kleinere gemeenschappen, zoals universiteitscampussen of werkplekken, kan een bredere acceptatie bevorderen, zegt Schneider, omdat mensen het voordeel inzien van het delen van hun gegevens. Jongere mensen, zo merkt hij op, lijken zich meer op hun gemak te voelen bij het vrijgeven van gezondheidsinformatie, wat betekent dat ze wellicht eerder bereid zijn een dergelijke app te gebruiken, vooral als het een nieuwe lockdown kan voorkomen.

De toekomst van het opsporen van infectieziekten: Empowerment van elke persoon

Wiskundige modellering voor infectieziekten is niets nieuws. In 2009, tijdens de H1N1 (varkensgriep) pandemie, gebruikte de CDC gegevens uit verschillende bronnen om de verspreiding van de griep af te remmen. Tijdens de Zika golf van 2016 tot 2017 hielpen modellen onderzoekers in een vroeg stadium het verband te ontdekken tussen het virus en microcefalie, een aandoening waarbij het hoofd van een baby veel kleiner is dan normaal. Wiskundige voorspellingen zijn in feite nuttig gebleken voor alles van griep tot HIV, volgens een artikel uit 2022 in Clinical Infectious Diseases.

Toen kwam COVID-19 - de ergste pandemie in de Amerikaanse geschiedenis, die een nieuw niveau van cijferberekening vereiste.

In samenwerking met de Universiteit van Massachusetts in Amherst creëerde de CDC The Hub, een gegevensbank die verschillende onafhankelijke voorspellingen samenvoegde om COVID-gevallen, ziekenhuisopnames en sterfgevallen te voorspellen. Deze enorme onderneming hielp niet alleen het overheidsbeleid te informeren - het toonde ook het belang aan van snelle tracering van contacten: Als het opsporen van naaste contacten meer dan 6½ dag na blootstelling duurde, was het vrijwel nutteloos.

Schneider herhaalt deze zorg met wat ooit werd geprezen als de methode voor COVID-bestrijding. In de simulaties van zijn team met op apps gebaseerde voorspellingen, "verminder je het sterftecijfer met een factor 2 tot 4, gewoon omdat je meer mensen identificeert die waarschijnlijk besmettelijk zijn dan je zou doen door testen, traceren en isoleren," zegt hij. Het opsporen van contacten is beperkt in zijn mogelijkheden om de verspreiding van COVID onder controle te houden, vanwege de hoge mate van overdracht zonder symptomen en de korte latente periode van het virus. Door meerdere gegevensbronnen te combineren met een model van ziekteoverdracht wordt het efficiënter.

"Je weet hoe het zich over het netwerk verspreidt", zegt Schneider. "En als je dat inbouwt, krijg je een effectievere beheersing van de epidemie."

Het toepassen van deze wiskundige benadering op individuen - in plaats van hele populaties - is de echte innovatie in Schneiders visie. In het verleden konden we bijvoorbeeld de kans op een besmettelijke persoon in heel New York City voorspellen. Maar de app die Schneider hoopt te ontwikkelen zou de unieke kans op besmettelijkheid voor elke gebruiker bepalen. Dat geeft de mogelijkheid om weloverwogen beslissingen te nemen - Ga ik uit vanavond? Isoleer ik mezelf? - in ieders handen.

"We hebben hier een technologie die kan leiden tot het beheer van epidemieën, zelfs tot het volledig indammen ervan, als ze breed genoeg wordt toegepast en gecombineerd met tests," zegt Schneider, "en dat is net zo effectief als onze lockdowns, zonder dat we een groot deel van de bevolking hoeven te isoleren."

Deze innovatie zou kunnen helpen om besmettelijke ziekten zoals griep op te sporen of zelfs de volgende COVID in te dammen, zegt Schneider.

"Je wilt epidemieën beheersen, je wilt ziekte en lijden tot een minimum beperken," zegt hij. "Tegelijkertijd wil je economische verstoring en verstoring van het leven, van scholing, tot een minimum beperken. De hoop is dat je met digitale middelen zoals wij die hebben geschetst, deze twee doelen kunt bereiken."