所有疾病模型是错误的,但科学家们正在努力解决这个问题

一个国际研究小组的研究人员已经开发出一种新的数学工具,可以帮助科学家提供更准确的预测的疾病,包括COVID-19,传遍世界各地的城镇和城市。

丽贝卡·莫里森,计算机科学助理教授在博尔德的科罗拉多大学的领导了这项研究。多年来,她一直运行维修店的数学方程,假设科学家模仿那些字符串用于更好地理解他们周围的世界,从气候变化的轨迹如何化学品燃烧爆炸。

正如莫里森所说,“我的工作开始当模特开始失败。”

她和她的同事们最近盯上了一个新的挑战:流行病学模型。研究人员能做什么,换句话说,当他们的预测传染病的传播不匹配现实?

在《华尔街日报》今天发表的一项研究混乱,莫里森和巴西的数学家Americo达2016年爆发Zika病毒作为测试用例。他们报告说,一种新型的工具称为“嵌入式差异算子”可以帮助科学家解决模型,达不到他们的目标实际上调整模型结果与实际的数据。

莫里森是迅速指出,她的小组的发现特定于Zika病毒。但是团队已经在试图调整自己的方法来帮助研究人员获得成功的第二个病毒,COVID-19。

“我不认为这个工具去解决任何流行病学危机本身,”莫里森说。“但是我希望这将会是另一个工具的阿森纳流行病学家和建模者前进。”

当模型失败

这项研究强调了一个普遍问题,建模者的脸。

“很少有模型完全符合现实的情况。根据定义,模型简化与现实,”莫里森说。“在某种程度上,所有模型都是错的。”

Cunha里约热内卢州立大学助理教授和他的同事们几年前碰到这个问题。他们试图适应常见的一种疾病模型叫做敏感,暴露,感染或恢复(西),以重建Zika病毒疫情从开始到结束。在2015年和2016年,这个病原体猖獗穿过巴西和世界其他地区,导致数千例严重的出生缺陷婴儿。

存在的问题:不管研究者尝试什么,他们的结果不匹配的记录数量Zika病毒的情况下,在某些情况下算错感染者的数量成千上万。

这样一个缺口并不少见,达说。

“今天你采取的行动会影响的疾病,”他说。“但是你不会看到这一行动的结果一个星期甚至一个月。这个反馈效应是极其困难的捕获模式。”

而不是放弃该项目,达和莫里森联手,看看他们是否可以修复模型。具体地说,他们问:如果模型不是复制真实的数据,他们可以使用这些数据来时尚一个更好的模型?

进入嵌入式差异算子。你能想象这个工具,莫里森首次开发研究物理燃烧作为一种间谍,肠道内的一个模型。当研究人员将数据工具,它看到和响应信息,然后重写模型的基本方程,以更好地满足现实。

“有时,我们不知道正确的方程使用在一个模型中,“达说。“这背后的想法工具是添加一个校正方程。”

工作的方法。后让他们运营商做其事,莫里森和达发现他们几乎消除模型的结果之间的差距和公共健康记录。

诚实

团队不是停在Zika病毒。莫里森和达已经工作部署同样的策略来提高模型的冠状病毒大流行。

莫里森怀疑任何疾病模型会是100%准确的。但是,她说,这些工具仍然是无价的预先通知公共卫生决定如果建模结果能或不能告诉你关于一个疾病。

”这种流行病透露有多难模型真实的系统,”莫里森说。“但是我希望人们不要把这意味着我们不应该信任我们的科学家。”