Epidemi

Untuk memprediksi epidemi, evolusi tak boleh diabaikan

Photo by Zaksheuskaya from Pexels

Ketika para ilmuwan mencoba memprediksi penyebaran sesuatu di seluruh populasi — mulai dari coronavirus hingga misinformasi — mereka menggunakan model matematika rumit untuk melakukannya. Biasanya, mereka akan mempelajari beberapa langkah pertama di mana subjek menyebar, dan menggunakan nilai tersebut untuk memproyeksikan seberapa jauh dan luas penyebaran akan berlangsung.

Tetapi apa yang terjadi jika patogen bermutasi, atau informasi diubah, mengubah kecepatan penyebarannya? Dalam sebuah studi baru dalam edisi Proceeding of National Academy of Sciences (PNAS), tim peneliti dari Carnegie Mellon University menunjukkan untuk pertama kalinya betapa pentingnya pertimbangan ini.

Perubahan evolusi ini memiliki dampak yang sangat besar,” ucap anggota fakultas CyLab Osman Yagan, associate research professor di Electrical and Computer Engineering (ECE) dan corresponding author “Jika Anda tidak mempertimbangkan potensi perubahan dari waktu ke waktu, Anda akan salah dalam memperkirakan jumlah orang yang akan sakit atau jumlah orang yang terpapar pada informasi.”

Banyak orang akrab dengan epidemi penyakit, tetapi untuk informasi – saat ini melaju dengan kecepatan tinggi melalui media sosial dan dapat mengalami jenis epidemi tersendiri lalu “menjadi viral.” Apakah sepotong informasi menjadi viral atau tidak dapat bergantung pada bagaimana pesan asli di-tweak.

“Beberapa misinformasi disengaja, tetapi beberapa mungkin berkembang secara organik ketika banyak orang secara berurutan melakukan perubahan kecil seperti permainan ‘telepon,'” jelas Yagan. “Sepotong informasi yang tampaknya membosankan dapat berkembang menjadi Tweet viral, dan kita harus dapat memprediksi bagaimana hal-hal ini menyebar.”

Dalam studinya, para peneliti mengembangkan teori matematika yang mempertimbangkan perubahan evolusioner tersebut. Kemudian menguji teorinya terhadap ribuan epidemi yang disimulasikan komputer di real-world networks, seperti Twitter untuk penyebaran informasi atau rumah sakit untuk penyebaran penyakit.

Dalam konteks penyebaran penyakit menular, tim menjalankan ribuan simulasi menggunakan data dari dua real-world networks: jaringan kontak antara siswa, guru, dan staf di sekolah menengah AS, dan jaringan kontak antara staf dan pasien dalam rumah sakit di Lyon, Prancis.

Simulasi ini berfungsi sebagai test bed: teori yang cocok dengan apa yang diamati dalam simulasi akan terbukti lebih akurat.

“Kami menunjukkan bahwa teori kami bekerja di jaringan dunia nyata,” ucap penulis pertama studi, Rashad Eletreby, “Model tradisional yang tidak mempertimbangkan adaptasi evolusi gagal memprediksi kemungkinan munculnya epidemi.”

Sementara penelitian ini bukan peluru perak untuk memprediksi penyebaran coronavirus hari ini atau penyebaran berita palsu di lingkungan politik yang fluktuatif dengan akurasi 100% – orang akan membutuhkan data real-time yang melacak evolusi patogen atau informasi untuk melakukannya – penulis pun mengatakan ini adalah langkah besar.

“Kami selangkah lebih dekat dengan kenyataan,” jelas Eletreby

Jurnal Referensi:

Rashad Eletreby, Yong Zhuang, Kathleen M. Carley, Osman Yağan, and H. Vincent Poor. The effects of evolutionary adaptations on spreading processes in complex networks. PNAS, 2020 DOI: 10.1073/pnas.1918529117

Tautan ke artikel asli: To predict an epidemic, evolution can’t be ignored / The College of Engineering at Carnegie Mellon University

Diterjemahkan oleh saintifia dengan seizin dari yang bersangkutan, segala kesalahan translasi menjadi tanggungjawab kami.