AUTORE PRINCIPALE
Daniela Iacoviello
AFFILIAZIONE
Sapienza Università di Roma – DIAG
VALUTA IL CHALLENGE
GRUPPO DI LAVORO
Paolo Di Giamberardino – Sapienza Università di Roma – DIAG, Lazio
Daniela Iacoviello – Sapienza Università di Roma – DIAG, Italia
AREA TEMATICA
ICT ed informatica medica
ABSTRACT
In un mondo globalizzato le epidemie si diffondono con una rapidità spesso superiore a quella relativa al tempo di incubazione del virus interessando “popolazioni” molto diverse sotto diversi punti di vista. Con “popolazione” possiamo intendere soggetti appartenenti a zone geografiche diverse o anche categorie diverse ad esempio si può distinguere in uno stesso gruppo fra fasce di età. La diffusione di una epidemia dipende non solo dalla pericolosità del virus ma anche dalle condizioni delle popolazioni interessate; si pensi alla differenza dell’impatto di epidemie quali il morbillo su popolazioni di anziani o di bambini o si soggetti con carenze alimentari o soggetti immunodepressi rispetto ad una popolazione sana. Abitudini alimentari un generale stato di benessere e/o di difficoltà aspetti sociali economici e culturali possono far variare di molto la suscettibilità di una popolazione rispetto ad un virus. L’integrazione di questi dati unitamente ad una adeguata modellizzazione delle interazioni fra popolazioni contribuisce alla determinazione di una mappa di suscettibilità ovvero una mappa (non necessariamente solo spaziale) che evidenzi la vulnerabilità di una popolazione rispetto ad una epidemia di cui si sia appena avuta notizia. Questa mappa di suscettibilità consente quindi di fare una previsione e conseguentemente poter attuare per tempo le strategie di controllo più opportune quali operazioni di prevenzioni (campagna informativa vaccinazione miglioramento delle condizioni sociali) cura (preparazione di scorte di farmaci logistica di presidi ospedalieri) e quarantena. Si tratta di un progetto di carattere fortemente interdisciplinare unendo competenze di modellistica identificazione dei modelli data mining controllo previsione. Tale mappa deve essere continuamente aggiornata con nuovi dati relativi alle mutate condizioni; tale aggiornamento contribuisce a modificare i parametri utilizzati nel modello proposto. Nello scenario considerato si possono prevedere anche più epidemie contemporaneamente potendo studiare la suscettibilità di una regione rispetto a più minacce. Gli step principali sono: 1) La ricerca dati ; 2) La modellizzazione delle interazioni fra popolazioni; 3) L’integrazione dei dati mediante tecniche di data mining e machine learning; 4) La predisposizione di una mappa di suscettibilità con modello di previsione; 5) L’introduzione di una azione di controllo; 6) Validazione su dati storici .
