Khi các biến thể virus corona mới xuất hiện và nhanh chóng lây lan trên toàn cầu, cả công chúng và các nhà hoạch định chính sách đều phải đối mặt với tình huống khó khăn: duy trì sự bình thường trong khi đó vẫn giảm thiểu sự lây nhiễm. Mặc dù các ứng dụng theo dõi liên hệ kỹ thuật số được cung cấp đầy hứa hẹn, nhưng tỷ lệ chấp nhận vẫn thấp, một phần do lo ngại về quyền riêng tư.

Tại USC, các nhà nghiên cứu đang ủng hộ một cách tiếp cận mới để dự đoán khả năng lây nhiễm từ Covid-19: kết hợp dữ liệu vị trí ẩn danh của điện thoại di động với các mẫu di động — các mẫu rộng về cách mọi người di chuyển từ nơi này sang nơi khác.

Để tạo ra "điểm số rủi ro" cho các vị trí và thời gian cụ thể, nhóm đã sử dụng một tập dữ liệu lớn về các tín hiệu vị trí ẩn danh trong thế giới thực từ điện thoại di động trên khắp Hoa Kỳ vào năm 2019 và 2020. Hệ thống cho thấy độ chính xác được cải thiện 50% so với các hệ thống hiện tại.

Theo các nhà nghiên cứu, các công cụ tính điểm rủi ro hiện có không cung cấp đủ thông tin chi tiết về tỷ lệ lây nhiễm tại các địa điểm cụ thể hoặc chúng đưa ra các giả định không thực tế về cách quần thể hòa trộn.

Vì vậy, bằng cách sử dụng dữ liệu di động trong thế giới thực và kiến ​​thức hiện có về sự lây lan của Covid-19, nhóm đã tạo ra một mô phỏng để tạo ra các mô hình lây nhiễm thực tế. Trong mô phỏng, một số “tác nhân” ban đầu bị nhiễm và lây bệnh khi chúng di chuyển xung quanh.

Sau đó, các nhà nghiên cứu đã tạo ra một mô hình dựa trên quy trình của Hawkes, mô hình này ấn định điểm số rủi ro dựa trên mật độ vị trí và mô hình di chuyển tại một thời điểm và địa điểm nhất định. Sử dụng mô phỏng, các nhà nghiên cứu đã thử nghiệm mô hình để xác định xem liệu nó có thể dự đoán chính xác số ca nhiễm trùng tại các địa điểm khác nhau hay không. Hóa ra, điểm số rủi ro thực sự là một thước đo đáng tin cậy để theo dõi nhiễm trùng ở các thành phố trên khắp nước Mỹ, bao gồm San Francisco, New York, Chicago và Los Angeles.

Các nhà nghiên cứu dự đoán được rằng các điểm đến phổ biến trong thành phố có nhiều rủi ro hơn. Nhưng họ cũng phát hiện ra rằng việc kết hợp khả năng di chuyển của nhiễm trùng — cách mọi người di chuyển — thay vì chỉ dựa vào mức độ phổ biến của một khu vực đã giúp cải thiện dự đoán nhiễm trùng. Các nhà nghiên cứu cho biết, điều này nhấn mạnh tầm quan trọng của việc kết hợp các mô hình di chuyển và mô hình dự báo lây nhiễm lại với nhau để tạo ra điểm số rủi ro.

Đối với các địa điểm được nhắm mục tiêu, chẳng hạn như một sự kiện sân vận động hòa nhạc cụ thể, hệ thống sẽ thu thập dữ liệu di động từ các buổi hòa nhạc tương tự trong quá khứ để tìm hiểu nguy cơ lây nhiễm thay đổi như thế nào trong khu vực sau sự kiện này. Sau đó, sử dụng mô hình của các nhà nghiên cứu và dữ liệu di động hiện tại trên khắp LA, hệ thống có thể đưa ra dự đoán và ấn định điểm số rủi ro.

Trong tương lai, nhóm có kế hoạch phát triển điểm rủi ro cho người dùng cụ thể nhưng vẫn bảo vệ quyền riêng tư, và bao gồm khả năng dự báo dài hạn trong vài tuần tới.

ctngoc