במהלך מגיפה, כמה מהשאלות הקריטיות ביותר עבור מקבלי החלטות בתחום הבריאות הן הקשות ביותר לענות עליהן: מתי המגיפה תגיע לשיא, כמה אנשים יזדקקו לטיפול בבת אחת וכמה זמן תימשך רמת שיא הביקוש לטיפול? תשובות בזמן יכולות לעזור למנהלי בתי חולים, למנהיגי קהילה ולמרפאות להחליט כיצד לפרוס צוות ומשאבים אחרים בצורה היעילה ביותר. לרוע המזל, מודלים רבים של חיזוי אפידמיולוגי נוטים להיאבק בחיזוי מדויק של מקרים ואשפוזים סביב פסגות.
גישה חדשה המתוארת בכתב העת הליכים של האקדמיה הלאומית למדעים ובהובלת חוקרי אוניברסיטת טקסס באוסטין, בונה חלק קריטי של הבנה אפידמיולוגית לתוך מודלים של חיזוי כדי לטפל בבעיות ארוכות שנים אלה. במקום פשוט להרחיב מגמות מההתפרצות הנוכחית, הגישה, המכונה "אפימודולציה", נותנת למודלים תחושה אינטואיטיבית יותר של האופן שבו מגיפות בדרך כלל נוטות להתפתח.
זה אומר למודל, למעשה, 'אנו מצפים שהעקומה תתכופף ככל שהחסינות נבנית,' כך שהמודל יכול לחפש סימנים מוקדמים להאטה הזו תוך כדי למידה מהנתונים. התוצאה היא תחזית טובה יותר שמספקת תובנה בזמן אמת לבתי חולים וקהילות כשהדבר הכי חשוב".
לורן אנסל מאיירס, פרופסור למאה שנה של קולי במחלקה לביולוגיה אינטגרטיבית של UT ומנהלת epiENGAGE
הצוות בדק את הגישה שלו על מגוון רחב של מודלים ועם נתונים ממשיים ממגיפות קודמות של שפעת ו-COVID-19. הם מצאו כי הגישה הגדילה את דיוק המודל בעד 55% במהלך שיאי מגיפה עבור תחזיות אשפוז בבתי חולים, מבלי להפחית את הדיוק בזמנים שאינם שיא. אפמודולציה גם שיפרה את הדיוק של דגמי אנסמבל, המשלבים מספר מודלים לתחזית אחת. התוצאות מצביעות על כך שזה יכול להיות כלי חדש ועוצמתי למערכות בריאות להסתגל למגיפות המתפתחות במהירות.
המימון למחקר זה ניתן על ידי המרכז האמריקאי לבקרת מחלות ומניעתן, המועצה לאפידמיולוגים ממלכתיים וטריטוריאליים והוודקה בעבודת יד של טיטו.
לדברי מאיירס, גישה זו יכולה להיות מיושמת על מחלות זיהומיות רבות שמתפשטות בגלים, כולל שפעת העופות, אבולה, Mpox ואפילו פתוגנים חדשים שטרם הופיעו. דפוסי גל כאלה מתעוררים לעתים קרובות כאשר חסינות נבנית בתוך אוכלוסייה, כאשר אנשים משנים את התנהגותם, או כאשר תנאי הסביבה משתנים.
"מגיפות נוטות לעקוב אחר דפוסים ניתנים לזיהוי. הן גדלות מהר מאוד בהתחלה, ואז מאטות ככל שיותר אנשים נעשים חסינים או משנים את התנהגותם, בסופו של דבר מגיעות לשיא ודועך", אמר מאיירס. "הדינמיקה הזו משקפת עקרונות אפידמיולוגיים בסיסיים – איך זיהומים מתפשטים, איך נבנית חסינות ואיך אנשים מגיבים כשהסיכון עולה".
רוב דגמי החיזוי, במיוחד אלו המבוססים אך ורק על למידת מכונה, אינם "מכירים" אף אחד מהעקרונות האפידמיולוגיים הללו. הם בעצם מסתכלים על הנתונים האחרונים ומקרינים את המגמה קדימה, כמו הארכת קו בגרף. לעתים קרובות הם מתפקדים היטב בזמן שהמקרים עולים (או יורדים) אך מפספסים את נקודת המפנה כאשר הצמיחה מואטת או מתהפכת. אפמודולציה יכולה לעזור להפוך את התחזית סביב השיא למציאותית יותר.
מחברי ה-UT האחרים של העיתון הם אמילי ג'וואן, סוזן פטאק ואולווואסגון איברהים. מחברים נוספים הם גרהם גיבסון במעבדה הלאומית של לוס אלמוס, ספנסר פוקס באוניברסיטת ג'ורג'יה ומייקל לכמן במכון סנטה פה ובאוניברסיטת אריזונה סטייט.
