Performance comparison of Python, MATLAB and R for numerical solutions of SI and SIR epidemiological models

Questo studio confronta l'efficienza computazionale e l'accuratezza di Python, MATLAB e R nella risoluzione numerica dei modelli epidemiologici SI e SIR utilizzando metodi come Euler, RK4 e Predictor-Corrector, fornendo indicazioni pratiche per la selezione degli strumenti più adatti.

L'essenziale

Immagina di essere un medico o un pianificatore che deve prevedere come si diffonderà un virus in una città. Non puoi aspettare che succeda tutto per vederlo; devi usare la matematica per simulare il futuro. È qui che entrano in gioco i modelli SI e SIR.

• Il modello SI è come una partita a "palla avvelenata": c'è chi è sano (S) e chi è infetto (I). Una volta infettati, restano tali per sempre.
• Il modello SIR è più realistico: c'è chi è sano (S), chi è malato (I) e chi si è guarito (R) ed è immune.

Il problema è che calcolare esattamente come si muove questa "palla" nel tempo è matematicamente complicato, come cercare di prevedere esattamente dove cadrà ogni singola goccia di pioggia durante un temporale. Per questo, gli scienziati usano dei "trucchetti" numerici (metodi come Eulero, RK4 e Predittore-Correttore) per fare delle stime passo dopo passo.

Ma c'è un dilemma: con quale "linguaggio" scrivere questi calcoli?
Gli autori di questo studio hanno messo alla prova tre giganti del mondo scientifico: Python, MATLAB e R.

Ecco come hanno fatto la gara, spiegata in modo semplice:

1. La Gara: Chi è il più veloce e il più preciso?

Immagina una corsa di tre atleti:

• Python: È come un maratoneta moderno, leggero, veloce e gratuito.
• MATLAB: È come un atleta professionista con un equipaggiamento costoso e di alta qualità, molto preciso ma un po' più pesante.
• R: È come un vecchio saggio esperto in statistica, molto preciso ma che a volte si muove con più cautela (e quindi più lentamente).

Hanno fatto correre questi tre atleti su due percorsi:

• Percorso SI: Qui c'era una "mappa del tesoro" perfetta (la soluzione esatta). Potevano vedere subito quanto si allontanavano dalla strada giusta.
• Percorso SIR: Qui non c'era la mappa. Hanno dovuto usare un "GPS super-preciso" (un altro metodo di MATLAB chiamato ODE45) come riferimento per vedere chi si avvicinava di più alla verità.

2. I Risultati della Gara

Chi ha vinto la precisione?

Tutti e tre sono stati molto bravi, ma RK4 (uno dei metodi di calcolo) è stato il campione indiscusso.

• RK4 è come un navigatore satellitare di lusso: anche se fai passi un po' grandi, ti dice esattamente dove sei. Ha dato risultati quasi perfetti (un punteggio di "R2" di 1,0, che è il massimo).
• Predittore-Correttore è stato il secondo, molto vicino al primo.
• Eulero è stato il "principiante": se fai passi piccoli va bene, ma se fai passi grandi si perde facilmente (meno preciso).

Chi ha vinto la velocità?

Qui la sorpresa è stata Python.

• Python è stato il fulmine. In quasi tutti i test, ha finito il lavoro molto prima degli altri. È stato particolarmente veloce quando i calcoli dovevano essere fatti con molta precisione (passi piccoli).
• MATLAB è stato nella media: veloce, ma non quanto Python.
• R è stato l'atleta che ha corso più piano. Ha impiegato più tempo per fare lo stesso lavoro, specialmente quando i calcoli diventavano complessi.

3. La Metafora Finale: Costruire una casa

Immagina di dover costruire una casa (il modello epidemiologico):

• Eulero è come usare un martello e un chiodo: funziona, ma se devi costruire un grattacielo, ci metti una vita e la casa potrebbe essere un po' storta.
• RK4 è come usare un braccio robotico di precisione: ci mette un po' più di energia a ogni singolo movimento, ma il risultato è perfetto e solido.
• Python è il cantierista che usa i migliori attrezzi moderni: è veloce, efficiente e non ti fa pagare l'abbonamento (è gratuito).
• MATLAB è il cantierista con gli attrezzi di marca: ottimi, ma costosi e a volte un po' lenti a caricare.
• R è il maestro murario tradizionale: sa fare tutto benissimo, ma lavora con un ritmo più lento e metodico.

Conclusione: Cosa ci dice questo studio?

Se sei un ricercatore o uno studente che deve simulare la diffusione di un virus:

1. Se vuoi velocità e precisione senza spendere soldi, Python è la scelta migliore. È il "coltellino svizzero" che vince la gara.
2. Se hai già MATLAB e ti fidi del suo ecosistema, va bene, ma preparati a spendere un po' più di tempo di calcolo.
3. R è ottimo per l'analisi statistica finale, ma per i calcoli "pesanti" e ripetitivi di questi modelli, è il più lento.

In sintesi: Python ha dimostrato di essere il miglior equilibrio tra velocità e precisione per prevedere come si diffondono le malattie, rendendolo lo strumento ideale per chi deve prendere decisioni rapide basate sui dati.

Sommario tecnico

Ecco una sintesi tecnica dettagliata del documento di ricerca "Performance Comparison of Python, MATLAB and R for Numerical Solutions of SI and SIR Epidemiological Models" di Berkay Özışık ed Elif Demirci, redatta in italiano.

1. Problema e Contesto

La modellazione matematica è fondamentale in epidemiologia per comprendere e controllare la diffusione delle malattie infettive. I modelli compartimentali classici, come il modello SI (Susceptible-Infected) e il modello SIR (Susceptible-Infected-Recovered), richiedono spesso soluzioni numeriche quando non sono disponibili soluzioni analitiche esatte. Metodi comuni includono il metodo di Eulero, il metodo di Runge-Kutta del quarto ordine (RK4) e i metodi Predittore-Correttore (P-C).

Sebbene software come Python, MATLAB e R siano ampiamente utilizzati per implementare questi algoritmi, la letteratura scientifica manca di studi comparativi esaustivi che valutino simultaneamente:

• L'efficienza computazionale (tempo di esecuzione).
• L'accuratezza numerica.
• Le prestazioni di questi tre linguaggi specifici quando applicati agli stessi modelli epidemiologici con gli stessi metodi numerici.

2. Metodologia

Gli autori hanno condotto un esperimento controllato per risolvere i sistemi di equazioni differenziali ordinarie (ODE) che descrivono i modelli SI e SIR.

• Modelli Matematici:
  • Modello SI: Descrive la diffusione di un'infezione senza recupero. Possiede una soluzione analitica esatta, utilizzata come riferimento per calcolare l'accuratezza.
  • Modello SIR: Include la compartimentazione dei guariti (Recovered). Non ha una soluzione analitica semplice; pertanto, come riferimento di "alta precisione" è stata utilizzata la soluzione ottenuta tramite il solver ODE45 di MATLAB.
• Algoritmi Numerici Implementati:
  1. Metodo di Eulero: Metodo del primo ordine.
  2. Metodo RK4: Metodo di Runge-Kutta del quarto ordine.
  3. Metodo Predittore-Correttore (P-C): Tecnica iterativa che combina una stima predittiva con una correzione.
• Ambiente di Test:
  • Hardware: MacBook Air con chip Apple M4 e 16 GB di RAM.
  • Software: Python, MATLAB e R.
  • Parametri: Dati reali derivati da un'epidemia di influenza in una scuola (Murray, 2002), con step temporali ($h$) variabili (0.25, 0.10, 0.01).
• Metriche di Valutazione:
  • Tempo di Esecuzione: Misurato esclusivamente per il calcolo numerico, escludendo setup, inizializzazione e plotting.
  • Accuratezza: Calcolata tramite il coefficiente di determinazione $R^2$ confrontando le soluzioni numeriche con quella esatta (per SI) o con il riferimento ODE45 (per SIR).

3. Risultati Chiave

A. Accuratezza (Valori $R^2$)

• Modello SI:
  • Il metodo RK4 ha ottenuto valori di $R^2$ pari a 1.0 (perfetti) per tutte le dimensioni dello step e su tutte le piattaforme.
  • Il metodo P-C ha mostrato un'accuratezza molto elevata, avvicinandosi a 1.0 per step piccoli.
  • Il metodo di Eulero è stato il meno accurato, specialmente con step grandi ($h=0.25$), sebbene l'accuratezza migliorasse drasticamente riducendo lo step.
  • Nota: L'accuratezza è stata identica tra i tre software per lo stesso metodo e stesso step, indicando che le differenze non dipendono dall'algoritmo matematico ma dall'implementazione.
• Modello SIR:
  • Confrontando RK4 con ODE45, si è osservato un $R^2$ estremamente alto (circa 0.9999998), confermando che RK4 fornisce un'approssimazione affidabile anche per modelli complessi senza soluzione analitica.

B. Efficienza Computazionale (Tempi di Esecuzione)

I risultati hanno mostrato differenze sostanziali nelle prestazioni di runtime:

1. Python: Ha dimostrato le prestazioni migliori in quasi tutti i casi. Ha registrato i tempi di esecuzione più bassi, specialmente per step temporali fini ($h=0.01$), dove la differenza rispetto agli altri software è diventata significativa.
2. MATLAB: Ha mostrato prestazioni intermedie. È stato più lento di Python ma generalmente più veloce di R.
3. R: Ha esibito sistematicamente i tempi di esecuzione più lunghi tra i tre software, risultando il meno efficiente dal punto di vista computazionale per questo tipo di calcoli numerici intensivi.

Inoltre, come previsto teoricamente, i metodi più complessi (RK4 e P-C) hanno richiesto più tempo di calcolo rispetto al semplice metodo di Eulero su tutte le piattaforme.

4. Contributi Principali

• Benchmarks Comparativi: Il primo studio che confronta direttamente Python, MATLAB e R applicando simultaneamente Eulero, RK4 e P-C ai modelli SI e SIR.
• Analisi dell'Efficienza: Fornisce dati empirici concreti sui tempi di esecuzione su hardware moderno (Apple M4), colmando il vuoto nella letteratura che spesso omette i tempi di calcolo.
• Validazione dell'Accuratezza: Dimostra che, sebbene l'accuratezza matematica sia indipendente dal linguaggio, l'efficienza varia drasticamente, influenzando la scelta dello strumento per simulazioni su larga scala.

5. Significato e Implicazioni

Lo studio offre una guida pratica per ricercatori e professionisti nell'epidemiologia computazionale:

• Scelta dello Strumento: Se l'obiettivo è la massima efficienza computazionale e la gestione di grandi dataset o simulazioni complesse, Python è la scelta preferibile, offrendo il miglior compromesso tra velocità e accuratezza.
• Affidabilità dei Metodi: Conferma che il metodo RK4 è estremamente robusto e affidabile per modelli epidemiologici, fornendo risultati quasi perfetti anche con step temporali non infinitesimali.
• Limiti di R: Sebbene R sia eccellente per l'analisi statistica, questo studio suggerisce che potrebbe non essere la scelta ottimale per la risoluzione numerica intensiva di ODE rispetto a Python o MATLAB.

In conclusione, mentre tutti e tre gli ambienti sono capaci di risolvere questi modelli, Python emerge come la piattaforma più performante per l'implementazione di metodi numerici in epidemiologia, permettendo di ottenere risultati ad alta precisione in tempi significativamente ridotti.