在新冠肺炎时代改进接触追踪应用程序
与EPFL的国际合作开发了一种方法,通过考虑用户最近的接触者、风险水平以及关于检测和症状的共享信息,提高COVID-19接触追踪应用程序的性能。
像SwissCovid这样的联系人追踪应用程序就有巨大的潜力以减缓COVID-19大流行的蔓延。用户允许这些应用程序跟踪他们彼此之间的接触,并估计他们可能接触到感染SARS-CoV-2冠状病毒的人的几率。如果有,应用程序就会发出通知。
可以理解的是,接触追踪技术引发了许多道德和隐私问题,所有这些问题都需要与保障公众健康的需要进行权衡。尽管如此,尽管接触追踪应用程序在应对大流行方面具有巨大潜力,但在优化其性能和准确性方面的努力却相对较少。
现在,科学家们合作开发了一种统计方法,通过考虑用户最近的联系人、风险水平以及关于测试和症状的共享信息,可以提高接触追踪应用程序的性能。发表在PNAS在美国,这项工作是由EPFL、意大利和法国的科学家进行的。
科学家们使用贝叶斯统计方法来计算事件发生的概率。在这里,他们使用这种方法来估计一个人被感染的风险,基于他们的内在风险程度,他们最近的接触者名单和这些接触者的估计风险水平。
该研究的主要作者之一、EPFL基础科学学院和计算机与通信科学学院的Lenka Zdeborová教授说:“我们想量化如果最近有联系的用户也可以交换信息,我们可以获得什么流行病学收益。”“通过添加简单的信息传递,我们可以估计感染COVID-19的风险,其准确性比简单的接触追踪高得多。”
科学家们的数学方法很快转化为完全分布式的算法,只对最近联系过的个人之间的通信起作用。通信可以完全加密和匿名,因此它可以潜在地遵守未来的隐私法规。
通过测试他们的“概率风险”方法,科学家们发现这是缓解COVID-19等流行病的有效方法。当然,这种方法在流行病的窗口期内效果最好,通常是在人工追踪感染者的所有接触者几乎不可能之后,但在感染者的比例达到不可避免的封锁规模之前。
但是,由于这种概率风险估计可以提高接触追踪技术的性能,足以对流行病的传播产生真正的影响,因此作者根据他们的数据建议,开发人员应该考虑在他们的应用程序中实现它。
进一步探索