Come un modello computazionale può aiutarci a gestire meglio l'epidemia da Covid-19

Frutto del lavoro di tre gruppi di ricerca di UniTo, il modello ha fatto emergere l'efficacia dell'attuale lockdown indipendentemente dal numero di contagiati asintomatici. Ne abbiamo parlato con il prof. Matteo Sereno, docente di Informatica dell'Ateneo

Tre gruppi di ricerca di diverse discipline dell’Università di Torino hanno sviluppato un modello computazionale per studiare la diffusione dell’epidemia da Coronavirus (Covid19) nella Regione Piemonte. Il modello, usando i dati di sorveglianza raccolti dal Ministero della Salute e dalla Protezione Civile, permette, tra i vari scopi, di esplorare gli effetti delle strategie di controllo attuate dal Governo e dalla Regione Piemonte variando la risposta della popolazione a tali restrizioni. Questo lavoro interdisciplinare nasce dalla collaborazione di tre gruppi di ricerca, due afferenti al Dipartimento di Informatica e uno al Dipartimento di Scienze Mediche: gruppo di Quantitative Biology (riferimenti dott. Marco Beccuti, dott.ssa Francesca Cordero), gruppo di Modellistica Quantitativa e Valutazione delle Prestazioni di Sistemi (rif. prof. Matteo Sereno); gruppo di Epidemiologia (rif. prof. Lorenzo Richiardi, prof.ssa Milena Maule). Ne abbiamo parlato con il prof. Matteo Sereno, docente di informatica all'Università di Torino.

COS'È UN MODELLO COMPUTAZIONALE. I modelli computazionali utilizzano i computer per studiare e simulare il comportamento di sistemi complessi permettendo di migliorare le conoscenze del sistema in studio e valutare le politiche di gestione da adottare. Ma più semplicemente di cosa si tratta? "È una descrizione in termini matematici di un processo, in questo caso la diffusione dell'epidemia da Covid-19", precisa il prof. Sereno. "Un modello che descrive l’epidemia lavora in modo analogo alle previsioni del tempo: gli input in questo caso sono i dati della Protezione Civile su base giornaliera (numero di contagi, ospedalizzati e deceduti) e i dati che in qualche modo rappresentano il contenimento sociale (per esempio, il numero dei contatti medi che una persona ha durante il giorno). In base a ciò il modello produce dei risultati e questo può aiutare a capire in che fase siamo dell’epidemia".

I PRIMI RISULTATI SULL'EPIDEMIA. I modelli sono, dunque, strumenti utili per capire processo di diffusione dell’epidemia. "Possiamo comprendere - sottolinea il docente di UniTo - in che fase siamo dell’epidemia (crescita o decrescita), la velocità in cui si sta arrivando al picco o quella della decrescita. O si può fare la stima dei posti letto necessari in una regione oppure studiare gli effetti delle misure di contenimento". A proposito delle strategie di controllo e di contenimento dei contatti sociali, grazie al modello sviluppato da UniTo si può effettuare un confronto dell’andamento dell’epidemia con o senza misure di restrizione. Questa la conclusione: "Le restrizioni sono state e sono efficaci, i numeri dei casi senza o con restrizioni più blande sarebbero stati molto più alti".

SUL RUOLO DEGLI ASINTOMATICI. Il modello considera non solo il numero di individui positivi al Covid-19 ma anche il numero di casi non rilevati (soggetti asintomatici). "Esistono pochi studi in letteratura scientifica sulla percentuale di individui infetti asintomatici. Uno - precisa il prof. Sereno - è relativo al caso della Diamond Princess, in cui stato calcolato un rapporto 1:1, ovvero a un infetto conclamato ne corrisponde uno nascosto. I ricercatori dell'Imperial College di Londra riportano invece un rapporto di 1:9, a un infetto conclamato ne corrispondo nove nascosti. Attualmente non c’è, quindi, concordia su questa stima, perché è un dato che va ulteriormente approfondito, per esempio, con campagne di analisi seriologica. Dall'analisi fatta con il nostro modello si può concludere che gli effetti delle misure di contenimento hanno sterilizzato l’impatto degli infetti asintomatici. Provando con diverse percentuali di asintomatici, in presenza delle attuali misure di contenimento, i risultati che si ottengono sono abbastanza simili. II fatto di bloccare in casa i cittadini ha avuto effetto sia in caso di percentuali di infetti asintomatici più alte sia più basse.

STRATEGIE DI ALLENTAMENTO. Attraverso il modello computazionale potranno essere valutate le possibili strategie per l’allentamento delle misure di controllo previste nella cosiddetta Fase 2. "Questo - sottolinea il prof. Sereno - è quello che stiamo cercando di fare in questo periodo. E proprio in questa circostanza, in vista della fase di allentamento, è importante avere una buona stima precisa degli infetti asintomatici. Vogliamo mettere in relazione l'allentamento delle misure con le risposte che tutti stiamo aspettando: quando potremmo uscire di casa o quando verranno riavviate le attività produttive. E, poi, utilizzare il modello per rispondere a domande su quanto debba essere profonda e tempestiva la ricerca dei positivi tra i contatti degli infetti per ridurre l'impatto epidemia. Rispondere a queste domande sarà fondamentale per la Fase 2".

UN LAVORO DI SQUADRA. "Le infrastrutture di calcolo di UniTo - il Centro di Competenza sul Calcolo Scientifico C3S - Università di Torino e il data center HPC4AI - hanno agito come volano per nuove collaborazioni tra gruppi di ricerca di discipline diverse. In particolare - conclude il docente - è grazie al Cs3 che abbiamo iniziato, tre anni fa, a lavorare a modelli matematici sulla diffusione dell’epidemia. È in tutto ciò è importante il ruolo di ricercatori precari come Simone Pernice e Paolo Castagna, che hanno passato notti innumerevoli a elaborare dati e a sviluppare il modello computazionale".

#unitohomecommunity