Sedan covid-19-pandemin bröt ut har hundratals modeller tagits fram som simulerar hur olika åtgärder kan begränsa smittspridningen. Forskare vid Malmö universitet har både jämfört befintliga modeller och varit med att utveckla en mer avancerad. Målet är att kunna göra mer träffsäkra prognoser.
Syftet med simuleringsmodeller är att kunna beräkna hur smitta sprids, var och när och hur smittspridningen kan minskas vid olika åtgärder. Hur mycket kommer till exempel användandet av munskydd eller nedstängning av arbetsplatser påverka smittspridningen?
Forskarna har analyserat 126 modeller som beskrivits i vetenskapliga artiklar fram till oktober 2020. De inriktade sig på så kallade agentbaserade modeller som till skillnad från matematiska modeller är mer individbaserade.
– Matematiska modeller bygger ofta på att alla individer gör samma sak och reagerar likadant i en viss situation.
Agentbaserade modeller som bygger på artificiell intelligens försöker i stället utgå från hur olika individer är i verkligheten – att vi beter oss på olika sätt, har olika åldrar, följer råd och regler mer eller mindre noga, säger forskaren Fabian Lorig.
Försöker imitera mänskligt beteende
Han beskriver det som två olika angreppssätt där matematiska modeller har fördelen att de kan användas för att ge en bild av smittspridningen i ett helt land. De agentbaserade är däremot mer precisa och tar hänsyn till fler variabler: exakt vad en viss individ gjort, när den smittades, av vem, när hen tillfrisknade. Eftersom modellerna försöker imitera mänskligt beteende med hjälp av AI är de också mer komplicerade och kan inte enkelt göras på lika stora populationer som matematiska modeller.
Ett stort problem är enligt forskarna att många modeller innehåller så stora förenklingar att det inte går att göra träffsäkra analyser.
– Modellen tar kanske inte hänsyn till hur länge man var i närheten av andra personer, om man var inomhus eller utomhus. Sådana saker som vi vet är viktiga för smittspridningen, säger professor Paul Davidsson.
Vägde in olika vanor
Studien tog fasta på vilka förenklingar som modellerna innehåller och vilka konsekvenser det får för resultaten. För analysen tittade de på ett 70-tal olika attribut: allt från vilka åtgärder modellerna utgår från, vad de använder för data, hur smittspridningen modelleras till hur individerna karaktäriseras – kön, ålder, om de jobbar, hur hushållet ser ut, om de använder munskydd …
– Alla modeller vi har studerat har simulerat effekter av olika åtgärder. De allra flesta handlar om karantän, social distans och isolering. Utifrån det beskrivs sannolikheten för att bli smittad. Men det fanns däremot knappt några modeller som vägde in mänskligt beteende, att människor har olika behov, säger Fabian Lorig.
Effekterna av åtgärder för att begränsa smitta beror ju på i vilken grad människor följer råd och regler, men också på deras olika dagliga rutiner. Beräkningarna i en viss modell kan till exempel utgå från att människor bär munskydd, men om de verkligen skulle göra det är inte så säkert.
Mer realistisk simulering
Tillsammans med forskare i Umeå, Stockholm och i Nederländerna har Fabian Lorig och Paul Davidsson därför tagit fram en avancerad simuleringsmodell, Assocc, som använder sig av olika psykologiska och sociologiska modeller. Modellen utgår från att varje individ har olika behov, som att vara med familjen, träffa vänner, jobba, handla, vara utomhus eller roa sig. Modellen lägger sig nära verkligheten i att den räknar på att olika individer under dagen tar olika beslut kring beteenden och aktiviteter, till exempel hur man tar sig till arbete eller skola, eller olika fritidsaktiviteter och shopping. På det sättet möjliggör Assocc en mer detaljerad och realistisk simulering av effekterna olika åtgärder kan ha på smittspridningen.
– För att sådana modeller ska representera den reella världen så exakt som möjligt behövs det data på hur olika personer förhåller sig i olika situationer. Den framtida utmaningen med Assocc-projektetär alltså att samla in data kring människornas beteende och att anpassa modellen efter den, säger Fabian Lorig.
Göra i större skala – en utmaning
En utmaning är att också att kunna göra denna mer detaljerade beteendemodell i större skala, som till exempel en hel stad eller region. Den nuvarande simuleringen inkluderar drygt tusen individer. En större skala kräver mer datorresurser för att simulera olika scenarier än modeller där alla individer antas bete sig på samma sätt och där dygnet simuleras som ett stort steg i stället för flera mindre steg.
– Vårt nästa steg är att undersöka hur man kan kombinera olika modeller för att få mer robusta resultat. Dessutom vill vi kunna skala upp den här noggranna simuleringen till ett helt land – och vi frågar oss hur kan man kombinera resultat från olika modeller för att uppnå det? säger Paul Davidsson och fortsätter:
– Att det fortfarande finns många medicinska kunskapsluckor kring smittspridningen komplicerar förstås. Då måste man göra antaganden, och resultaten från en simulering blir inte bättre än de antaganden och de data man stoppar in i den. Så hur bra det blir beror också på kunskapsläget.
Vetenskaplig artikel:
Agent-Based Social Simulation of the Covid-19 Pandemic: A Systematic Review
TEXT: MAGNUS JANDO
