跟踪Covid-19速度更快，更准确

通过结合大数据，网络科学和随机系统的方法，密歇根工程教授正致力于开发算法，可以快速准确地识别Covid-19“患者零”，因为病毒传播到新的地方或重新搜索，并重建其扩散有限的信息。

电子工程和计算机科学教授雷莹正在使用一系列广泛的数据，例如，人类移动数据、社交网络数据和遗传网络分析。这是一个NSF项目的新应用，Ying和他的团队已经研究了好几年。

该项目的重点是建立一个理论框架用于定位已经广泛传播的任何东西的源头，似乎在大海捞针中找到原始秸秆秸秆。

传播可能是互联网上的谣言，图像提示的情绪社交媒体，或在Covid-19的情况下，病毒胚芽。

应教授说，确定一种流行病的起源和恢复其传播历史有助于确定该疾病是如何传播的，并进而揭示传播模式、危险的接触地点和高风险个人。以2009年导致15.1万至57.5万人死亡的H1N1病毒为例，这项研究本可以挽救无数生命。随着国家和世界重新开放，这项技术可以提供重要信息。

“理想情况下，有可能提供重建爆发的直接感染的完整历史，”莹说。“现实地，这是不可能的。即使是接近追踪的特定传输线条可能需要更多资源，无论是时间和成本都是合理的。然而，通过查看一组较小的关键线索，我们可以接近。

“我们的算法设计用于不完美的接触跟踪，因此它提供了更准确的图像与部分或有限的接触跟踪信息的扩展。”

Ying仅基于局部观测创建了一种重建算法，其对现有算法和启发式方法具有卓越的性能。在西方国家电网和互联网自治系统网络上进行了测试，他们现在将注意力转向跟踪Covid-19的路径。

随着社会重新开放，并面临新一波疫情的威胁，追踪特定地区感染的传播可能会导致在隔离个人方面采取更快的行动，最终挽救生命。

---

---