Il prossimo Ebola è difficile da prevedere, ma la "previsione dell'epidemia" può essere d'aiuto

Un bambino di 2 anni nella Guinea rurale è morto di Ebola nel dicembre 2014. Nei prossimi due anni, quasi 30.000 persone nell'Africa occidentale sarebbero state infettate dal virus Ebola.

Perché, a differenza dei precedenti 17 focolai di Ebola, questo è diventato così grande, così veloce? Che cosa, se possibile, può essere fatto per prevenire futuri focolai? Queste domande, insieme a molte altre, sono al centro del nascente campo scientifico della previsione delle epidemie. E la posta in gioco non potrebbe essere più alta. A gennaio, il World Economic Forum ha definito le pandemie uno dei maggiori rischi per gli affari e la vita umana.

Negli ultimi secoli, gli scienziati sono diventati sempre più bravi a prevedere molti aspetti del mondo, tra cui l'orbita dei pianeti, il flusso e riflusso delle maree e i percorsi degli uragani. La capacità di comprendere i sistemi naturali e fisici abbastanza bene da fare previsioni accurate è forse una delle più grandi conquiste dell'umanità.

Gran parte di questo successo alla previsione inizia con l'intuizione fondamentale di Isaac Newton secondo cui vi sono leggi universali immutabili che governano i fenomeni naturali che ci circondano. La capacità di eseguire rapidamente calcoli di grandi dimensioni ha favorito la prospettiva newtoniana secondo cui, dati un numero sufficiente di dati e potenza di calcolo, è possibile prevedere la maggior parte dei fenomeni complessi.

Ci sono, tuttavia, dei limiti. Come scienziati che studiano questo tipo di sistemi predittivi, dubitiamo che sarà possibile prevedere esattamente cosa accadrà in seguito a un'epidemia, poiché le variabili più importanti possono cambiare così tanto da un focolaio a un altro.

Questo è il motivo per cui, come per le previsioni meteorologiche, la raccolta di dati in tempo reale è probabilmente essenziale per far progredire la capacità della comunità scientifica di prevedere epidemie.

Epidemie capricciose

L'idea che gli scienziati possano modellare le epidemie si basa sulla nozione che la traiettoria di ogni focolaio è prevedibile a causa delle sue proprietà intrinseche e immutabili.

Dire che una malattia è causata da un agente patogeno trasmissibile. L'infettività di questa malattia può essere incapsulata in un numero chiamato "rapporto riproduttivo di base" o R0, un numero che descrive la diffusione di un patogeno in una determinata popolazione.

Se gli epidemiologi ne sanno abbastanza sulla R0 di un patogeno, la speranza è che possano prevedere aspetti del suo prossimo focolaio e, si spera, impedire che le epidemie su piccola scala diventino epidemie su larga scala. Potrebbero farlo mobilitando risorse in aree in cui i patogeni hanno valori R0 particolarmente alti. Oppure potrebbero limitare le interazioni tra i portatori di malattia e i membri più sensibili di una data società, spesso bambini e anziani.

In questo modo, R0 viene interpretato come un numero immutabile. Ma studi moderni dimostrano che non è così.

Ad esempio, considera l'epidemia del virus Zika. Per questa malattia, R0 variava da 0,5 a 6,3. Questo è un intervallo notevole, che va da una malattia che si dissiperà da sola a quella che causerà un'epidemia a lungo termine.

Si potrebbe pensare che questa vasta gamma di valori R0 per Zika deriva dall'incertezza statistica - che forse gli scienziati hanno solo bisogno di più dati. Ma questo sarebbe per lo più errato. Per Zika, una miriade di fattori, dal clima e dalle zanzare alla presenza di altri virus correlati come la dengue e il ruolo della trasmissione sessuale, portano tutti a valori R0 diversi in contesti diversi.

Si scopre che le caratteristiche di un'epidemia - contagiosità del patogeno, velocità di trasmissione, disponibilità di vaccini e così via - cambiano così rapidamente nel corso di un singolo focolaio che gli scienziati sono in grado di prevedere la dinamica solo nel corso di tale epidemia. In altre parole, studiare l'epidemia di virus Ebola nell'aprile 2014 può aiutare gli scienziati a comprendere un'epidemia di Ebola nello stesso scenario il mese prossimo, ma spesso è molto meno utile per comprendere le dinamiche delle future epidemie di Ebola, come quella che è accaduta nel maggio 2018.

Le epidemie spesso non sono fenomeni puliti e raggruppati. Sono eventi rumorosi in cui molte variabili giocano un ruolo essenziale, ma mutevole. Non esiste una verità soggiacente alla malattia - solo una collezione instabile di dettagli che variano, spesso si impigliano, man mano che la malattia si diffonde.

Migliori previsioni

Se gli scienziati non sono sicuri di poter comprendere i sistemi epidemiologici abbastanza bene da prevedere il comportamento di quelli correlati, perché preoccuparsi di studiarli?

La risposta potrebbe risiedere in quella che chiamiamo una "fisica morbida" della predizione: gli scienziati dovrebbero smettere di assumere che ogni focolaio segue le stesse regole. Quando si confronta un focolaio con un altro, devono tenere a mente tutte le differenze contestuali tra di loro.

Ad esempio, i biologi hanno scoperto molti dettagli sulle infezioni influenzali. Sanno come i virus si legano alle cellule ospiti, come si replicano e come evolvono la resistenza ai farmaci antivirali. Ma una epidemia potrebbe essere iniziata quando una grande popolazione usava i trasporti pubblici in un certo giorno del mese, mentre un'altra poteva essere iniziata da una congregazione in un servizio religioso. Sebbene entrambi i focolai siano radicati nello stesso agente infettivo, queste e molte altre differenze nei loro particolari significano che gli scienziati potrebbero dover riconsiderare come modellano il modo in cui ciascuno progredisce.

Per comprendere meglio questi dettagli, gli scienziati hanno bisogno di investimenti significativi in ​​dati in tempo reale. Considera che il Servizio meteorologico nazionale spende oltre $ 1 miliardo all'anno raccogliendo dati e facendo previsioni. Il CDC spende solo un quarto delle statistiche sulla sanità pubblica e non ha un budget dedicato per le previsioni.

La sorveglianza della malattia rimane una delle aree scientifiche più alte. Un'attenta considerazione per circostanze uniche alla base di epidemie e una raccolta più responsabile dei dati potrebbe salvare migliaia di vite.

Questo articolo è stato originariamente pubblicato su The Conversation di C. Brandon Ogbunu, Randall Harp e Samuel V. Scarpino. Leggi l'articolo originale qui.