Conformalized Physics-Informed Weak Regression for Parameter Estimation in Epidemic Models

Le epidemie vengono spesso descritte dai matematici utilizzando un sistema di compartimenti, molto simile a secchi d'acqua collegati da tubi. In questi modelli, le persone passano dall'essere suscettibili all'essere infette, per poi guarire o morire. La velocità con cui si spostano tra questi secchi è determinata da parametri fisici: quanto un virus sia contagioso, quanto duri l'infezione e quanto velocemente le persone guariscano. Conoscere questi numeri è vitale. Essi dicono ai funzionari di sanità pubblica quanto velocemente crescerà un focolaio, quanti posti letto negli ospedali potrebbero essere necessari e se un lockdown o una campagna vaccinale funzioneranno. Per anni, gli scienziati hanno cercato di trovare questi numeri nascosti guardando i dati del mondo reale, come i conteggi giornalieri dei malati. Questo è un puzzle difficile perché i dati sono spesso disordinati, incompleti o raccolti a intervalli irregolari. Negli ultimi anni, un metodo popolare chiamato "reti neurali informate dalla fisica" (physics-informed neural networks) è stato utilizzato per risolvere questo problema. Si tratta di complessi programmi informatici che imparano a indovinare i parametri addestrandosi per ore o addirittura giorni, ma spesso non forniscono una misura chiara di quanto possano essere errati i loro tentativi.

Uno studio recente della Technical University of Denmark offre un approccio diverso, molto più veloce, che fornisce anche agli scienziati un modo esatto per capire quanto possano fidarsi dei risultati. I ricercatori hanno sviluppato un metodo che tratta il problema come un semplice puzzle matematico piuttosto che come un esercizio di apprendimento. Invece di cercare di indovinare la velocità di variazione dei dati, che è notoriamente rumorosa e difficile da misurare, il loro metodo guarda all'accumulo totale di casi nel tempo. Integrando i dati, il loro metodo smussa il rumore e può risolvere i parametri quasi istantaneamente. Il team ha testato questa nuova tecnica su undici diversi modelli di malattie, che vanno da un semplice modello di COVID-19 a modelli complessi di Zika ed Ebola. Hanno scoperto che il loro metodo era spesso centinaia o persino migliaia di volte più accurato degli approcci basati sulle reti neurali e produceva risposte in millisecondi anziché in ore. Fondamentalmente, hanno avvolto questo calcolo veloce in una rete di sicurezza statistica che genera un intervallo di valori probabili per ogni parametro. Questo intervallo è stretto quando i dati sono chiari e ampio quando i dati sono troppo disordinati per fornire una risposta precisa, offrendo agli scienziati un quadro onesto della propria incertezza.

Il cuore di questo nuovo metodo è un cambiamento nel modo in cui i dati vengono letti. I metodi tradizionali cercano spesso di calcolare il tasso di variazione in ogni singolo momento, come misurare la velocità di un'auto guardando quanto si è spostata in una frazione di secondo. Se i dati presentano rumore o lacune, questo calcolo della velocità diventa estremamente impreciso. Il team danese si è reso conto che poteva invece guardare alla distanza totale percorsa in un periodo più lungo. Nel contesto di un'epidemia, questo significa guardare al numero totale di persone che sono state infettate in una settimana o in un mese, piuttosto che cercare di individuare l'istante esatto in cui si è verificata una nuova infezione. Questo approccio, che l'autore definisce "regressione debole" (weak regression), è molto più robusto contro il rumore. Permette di stimare simultaneamente le condizioni iniziali di un focolaio e i tassi di trasmissione, risolvendo l'intero sistema in un unico calcolo a forma chiusa. Poiché la matematica è lineare e diretta, non richiede la massiccia potenza computazionale o i lunghi tempi di addestramento associati alle reti neurali.

Per garantire che queste risposte veloci fossero affidabili, i ricercatori hanno aggiunto uno strato di calibrazione statistica. In molti campi scientifici, è difficile sapere quanto sia accurato un modello perché la risposta vera è sconosciuta. Il team ha risolto questo problema utilizzando i modelli di malattia stessi per generare una vasta libreria di epidemie simulate con risposte note. Hanno eseguito il loro stimatore veloce su migliaia di questi focolai simulati, ciascuno con parametri leggermente diversi e rumore aggiunto, per vedere quanto spesso il metodo fosse corretto e quanto dovessero essere ampi i margini di errore. Questo processo ha creato una "popolazione di calibrazione" che ha permesso di allegare un intervallo di confidenza a ogni stima del mondo reale. Il risultato è un insieme di intervalli simultanei per tutti i parametri di un modello di malattia in un colpo solo. Se i dati sono chiari, l'intervallo è stretto; se i dati sono scarsi o la dinamica è troppo complessa per essere risolta, l'intervallo si allarga automaticamente per riflettere tale incertezza. Ciò assicura che gli scienziati non siano mai tratti in inganno da un numero dall'aspetto preciso che è in realtà sbagliato.

Quando il team ha applicato questo metodo a undici benchmark standard utilizzati per testare i modelli di malattia, i risultati sono stati sorprendenti. In quindici scenari su ventidue riguardanti varie malattie e livelli di rumore, il loro metodo ha prodotto le stime più accurate. Per i modelli in cui i dati erano abbastanza densi da risolvere la dinamica, le loro stime erano spesso di uno o quattro ordini di grandezza più accurate di quelle riportate dai metodi a reti neurali. In termini di velocità, la differenza è stata ancora più drammatica. Mentre le reti neurali richiedevano tempi di addestramento compresi tra venti minuti e oltre novanta ore, il nuovo metodo produceva un set completo di stime e i relativi intervalli di incertezza in meno di un millisecondo. Anche includendo il tempo necessario per generare i dati di calibrazione e verificare i risultati, l'intero processo richiedeva meno di due minuti. Questa velocità significa che gli ufficiali di sanità pubblica potrebbero potenzialmente aggiornare la loro comprensione di un focolaio in tempo reale man mano che arrivano nuovi dati, invece di aspettare giorni per la convergenza di un modello.

Lo studio ha anche testato il metodo su dati storici reali, specificamente sull'epidemia di influenza del 1978 in un collegio britannico. Qui, i ricercatori hanno confrontato i loro risultati con un'analisi bayesiana dettagliata pubblicata in precedenza. Il loro metodo ha prodotto intervalli che si sovrappongono agli intervalli di credibilità dello studio bayesiano, confermando che l'approccio veloce e semplice poteva catturare la stessa realtà biologica dei metodi più complessi e computazionalmente pesanti. In questo caso, hanno anche mostrato come incorporare la conoscenza pregressa, come un tasso di guarigione noto, per restringere ulteriormente le stime. Il metodo si è dimostrato abbastanza flessibile da gestire tassi di trasmissione variabili nel tempo, dove la contagiosità di un virus cambia nel tempo a causa di interventi o nuove varianti. In questi test, il nuovo approccio ha superato nuovamente i modelli di base delle reti neurali, fornendo stime accurate di come la trasmissione è cambiata nel tempo in una frazione del tempo richiesto.

I ricercatori sottolineano che questo metodo non sostituisce altre forme di analisi, ma le completa. È particolarmente potente quando i dati sono sufficienti per risolvere la dinamica sottostante della malattia. Tuttavia, il metodo conosce anche i propri limiti. Quando i dati sono troppo scarsi o il rumore è troppo elevato, gli intervalli di confidenza si espandono naturalmente per coprire un ampio intervallo di possibilità, segnalando che i dati semplicemente non possono supportare una risposta precisa. Questa onestà sull'incertezza è una caratteristica chiave. Lo studio dimostra che per una vasta classe di modelli epidemici, l'addestramento complesso e "black-box" delle reti neurali non è necessario. Tornando alla fisica fondamentale del problema e utilizzando un approccio integrato e robusto, gli scienziati possono ottenere una maggiore accuratezza e una migliore quantificazione dell'incertezza in pochi millisecondi. Ciò apre la porta a una modellazione più reattiva e affidabile per i futuri focolai, dove la velocità e la chiarezza sono importanti quanto i numeri stessi.