Exact moment equivalence and structural nonidentifiability in nonlinear epidemics

Immagina di cercare di capire come si diffonde un pettegolezzo in una scuola. Sai che il pettegolezzo viaggia quando le persone si ritrovano in gruppi, ma puoi vedere solo il numero totale di studenti che hanno sentito il pettegolezio nel tempo. Non conosci le dimensioni specifiche dei gruppi in cui si trovavano, né quanti gruppi di ogni dimensione esistessero. Questo è l'enigma dell' "inferenza epidemica": cercare di lavorare a ritroso dal quadro generale per comprendere i dettagli minuscoli e nascosti di come le persone interagiscono. Gli scienziati sanno da tempo che la dimensione dei gruppi è importante. Se una malattia si diffonde più velocemente quando tre persone sono insieme rispetto a quando sono in due, la "distribuzione delle dimensioni dei gruppi" (il mix di gruppi piccoli e grandi) cambia il modo in cui l'epidemia si comporta. Ma una domanda tormentosa rimaneva: se vediamo solo i numeri finali, possiamo mai conoscere davvero il mix esatto di dimensioni dei gruppi che ha causato l'epidemia? O potrebbero due mix di gruppi completamente diversi creare la stessa storia epidemica?

Questo articolo, scritto da Roni Muslim, approfondisce quel mistero usando modelli matematici per malattie che si diffondono e poi svaniscono o rimangono presenti (chiamati modelli SIS e SIR). L'autore tratta la diffusione della malattia come un gioco in cui le persone formano casualmente gruppi temporanei. La scoperta chiave è un sorprendente "punto cieco" nella nostra capacità di apprendere dai dati. L'articolo dimostra che se una malattia si diffonde in un modo specifico e non lineare (dove il rischio aumenta quando ci sono più persone infette in un gruppo), l'intera storia dell'epidemia dipende solo da alcuni specifici "valori medi" delle dimensioni dei gruppi, non dall'intera lista dettagliata delle dimensioni. Ciò significa che due gruppi di persone totalmente diversi — uno con principalmente piccoli gruppi e alcuni enormi, un altro con un mix di gruppi di medie dimensioni — possono generare esattamente la stessa epidemia, fino all'ultima fluttuazione e all'esatto momento in cui la malattia scompare. È come se due ricette diverse, usando quantità differenti di ingredienti, potessero in qualche modo cuocere esattamente la stessa torta, rendendo impossibile a un critico gastronomico capire quale ricetta sia stata usata solo assaggiando la torta.

L'illusione delle dimensioni dei gruppi

Immagina di essere un detective che cerca di risolvere un crimine, ma il tuo unico indizio è una foto sfocata di una folla. Sai che la folla era composta da gruppi di persone, ma non puoi vedere gli individui. Ora, immagina due scenari diversi:

• Scenario A: La folla è composta esattamente da metà gruppi di 3 persone e metà gruppi di 9 persone.
• Scenario B: La folla è un mix caotico di gruppi di 2, 5 e 12 persone, con numeri molto specifici per ciascuno.

Nel mondo reale, queste sono due folle molto diverse. Ma nel mondo matematico di questo articolo, se la "regola di infezione" è un tipo specifico di matematica non lineare (specificamente, una regola quadratica dove il rischio cresce con il quadrato delle persone infette), queste due folle totalmente diverse producono epidemie identiche.

L'autore chiama questo "non identificabilità strutturale". Non è che non abbiamo abbastanza dati o che le nostre misurazioni siano troppo rumorose. È che i dati non possono distinguere la differenza, anche in un mondo perfetto e privo di rumore. L'articolo mostra che la dinamica della malattia "vede" solo alcuni numeri specifici, chiamati momenti, dalle dimensioni dei gruppi. Pensa a questi momenti come al "profilo aromatico" dei gruppi.

• Il primo momento è come la dimensione media del gruppo che sperimenti. Questo stabilisce il limite di velocità fondamentale per quanto velocemente la malattia può iniziare.
• Il secondo momento è come la "variabilità" o quanto le dimensioni dei gruppi oscillano. Questo controlla se la malattia si diffonde in modo fluido o se si blocca in uno stato strano in cui può morire o esplodere, a seconda di quante persone sono malate inizialmente.

L'articolo dimostra che finché due diverse distribuzioni di dimensioni dei gruppi condividono questi primi "numeri di sapore", la malattia si comporta esattamente allo stesso modo. Il resto dei dettagli — il fatto che una distribuzione abbia gruppi di dimensione 9 e l'altra abbia gruppi di dimensione 12 — è completamente invisibile alla malattia. È come due accordi musicali diversi che suonano identici per uno strumento specifico; lo strumento semplicemente non riesce a sentire la differenza.

La regola del "Primo Momento Non Corrispondente"

Quindi, come facciamo mai a distinguere questi due diversi gruppi? L'articolo rivela una regola astuta: devi cambiare il gioco.

L'autore mostra che la malattia "guarda" solo i primi momenti in base a quanto è complessa la regola di infezione. Se la regola di infezione è semplice (lineare), guarda solo il primo momento. Se è quadratica (quella usata negli esempi principali), guarda i primi due. Se vuoi vedere il terzo momento (la differenza tra il gruppo di 9 e il gruppo di 12), devi aggiornare la regola di infezione per renderla ancora più complessa (cubica).

L'articolo dimostra questo con un "esperimento controllato".

1. Passaggio 1: Prendono le due diverse distribuzioni (il mix 3/9 e il mix 2/5/12). Con una regola di infezione quadratica, la malattia si diffonde esattamente allo stesso modo per entrambe. Le curve sul grafico si sovrappongono perfettamente.
2. Passaggio 2: Modificano leggermente la regola di infezione per renderla sensibile al terzo momento. Improvvisamente, le due curve si separano! La malattia ora si comporta diversamente per i due gruppi.

Questo dimostra che la "cecità" non è un difetto dei nostri strumenti di osservazione; è un limite fondamentale del protocollo di trasmissione. L'articolo esclude esplicitamente l'idea che potremmo mai capire la distribuzione completa delle dimensioni dei gruppi da un singolo tipo di dato sull'epidemia. Non importa per quanto tempo osserviamo o quanti contiamo le persone, se la regola di infezione rimane la stessa, non potremo mai distinguere tra distribuzioni che condividono gli stessi primi momenti.

Perché questo è importante (e perché non è un vicolo cieco)

L'articolo non dice solo "non possiamo sapere". Ci dice esattamente cosa possiamo sapere e cosa dobbiamo cambiare per sapere di più.

L'autore mostra che il primo momento controlla la "soglia di invasione": il punto in cui la malattia può iniziare a diffondersi. Il secondo momento controlla la "bistabilità" e l' "isteresi". In parole semplici, questo significa che per alcune malattie, avere alcune persone malate in più all'inizio può spingere il sistema in uno stato "endemico" permanente in cui la malattia non scompare mai, anche se le condizioni medie suggerirebbero che dovrebbe morire. L'articolo mostra che il secondo momento è l'interruttore che accende o spegne questo comportamento.

L'articolo chiarisce anche che questo non è solo un interesse teorico. Hanno eseguito massicce simulazioni al computer (usando una "equazione master" e gli "algoritmi di Gillespie") per dimostrare che la matematica regge anche in popolazioni finite, non solo nel limite idealizzato di persone infinite. Hanno persino controllato la "probabilità di sopravvivenza" (quanto dura la malattia prima di morire) e la "dimensione finale dell'epidemia" (quante persone si ammalano alla fine). In ogni singolo caso, le due diverse distribuzioni hanno prodotto risultati identici finché la regola di infezione non è stata cambiata per guardare un momento superiore.

La conclusione è un limite preciso su ciò che possiamo imparare. Se vedi un'epidemia, puoi capire la "dimensione media dell'esperienza del gruppo" e la "variabilità dell'esperienza del gruppo" che la malattia cura. Ma non puoi ricostruire la lista completa delle dimensioni dei gruppi. Per farlo, dovresti osservare la malattia che si diffonde sotto regole diverse — forse un virus diverso che si diffonde diversamente, o un modo diverso di misurare i gruppi.

In definitiva, l'articolo dipinge un quadro vivido di un mondo in cui i dettagli delle nostre vite sociali sono parzialmente nascosti alle malattie che viaggiano attraverso di esse. Due strutture sociali molto diverse possono apparire esattamente uguali a un virus, e a meno di non cambiare le regole del gioco, non potremo mai distinguerle solo osservando l'andamento dei numeri. È un promemoria del fatto che, a volte, le informazioni più importanti sono quelle che i dati semplicemente non possono vedere.