Les chercheurs en ingénierie et en médecine de Penn ont développé un cadre révolutionnaire qui peut déterminer la stratégie de distribution la meilleure et la plus optimisée sur le plan informatique pour les vaccinations contre le COVID-19 dans une communauté donnée. Publié dans PLOS Uncette étude aborde l'un des défis les plus critiques de la réponse à une pandémie : comment prioriser les efforts de vaccination dans les communautés comprenant des individus présentant différents niveaux de risque lorsque les approvisionnements sont rares et que les enjeux sont élevés.
L'équipe de recherche, composée de Saswati Sarkar, professeur en génie électrique et systèmes (ESE), Shirin Saeedi Bidokhti, professeur adjoint en ESE, Harvey Rubin, médecin praticien à Penn Medicine et professeur de maladies infectieuses, et doctorant ESE Raghu Arghal, ont conçu leur cadre pour pouvoir prendre en compte suffisamment de complexité de population pour déterminer les stratégies de vaccination les meilleures et les plus applicables, mais pas si complexe qu'il devienne inaccessible aux bureaux de santé publique sans superordinateurs de grande puissance. Les chercheurs ont fini par créer un cadre hautement adaptable qui fournit des stratégies efficaces et uniques en quelques secondes et ne nécessite que la puissance de calcul d'un ordinateur portable personnel.
Sommaire
Capturer juste ce qu'il faut de complexité
Déterminer la meilleure stratégie théorique pour un déploiement de vaccin qui inclut tous les paramètres d’influence tels que les paramètres de santé individuels, les limitations de localisation et les doses requises, prendrait généralement des mois, voire plus, même avec la puissance de calcul massive disponible aujourd’hui. En effet, la taille des communautés sur lesquelles de tels déploiements devraient être optimisés peut facilement atteindre un million. Par exemple, les communautés des arrondissements de la ville de New York comptent entre 0,5 et 2,7 millions d’habitants.
Nous avions besoin d'une approche qui fournirait des stratégies sur un calendrier plus pertinent et nécessiterait moins de puissance de calcul. Cela était particulièrement important pour nous, car nous souhaitions que le cadre lui-même soit accessible aux communautés éloignées et à faibles ressources, qui sont généralement les plus touchées par les épidémies. Nous avons dû aborder ce problème du monde réel de manière plus pratique tout en utilisant des outils de théorie des réseaux qui capturent suffisamment d’hétérogénéité de la population pour parvenir à une stratégie significative et utile. »
Saswati Sarkar, professeur en génie électrique et des systèmes (ESE)
Pour atteindre ce niveau de complexité « Boucle d’or », les chercheurs ont défini trois groupes larges mais représentatifs :
-
Groupe à haut risque: Inclut les personnes âgées et immunodéprimées qui sont les plus vulnérables aux formes graves de COVID-19 et à la mort.
-
Groupe à haut contact: Les travailleurs essentiels, tels que les prestataires de soins de santé, les enseignants et les employés des épiceries, qui courent un risque élevé de propager le virus.
-
Groupe de référence: Le reste de la population, qui n’entre pas dans les catégories à haut risque ou à contact élevé.
En définissant ces groupes distincts et en tirant parti de décennies de recherche sur les cadres de contrôle optimaux, l’équipe a pu utiliser une méthodologie numérique avec juste ce qu’il faut de complexité qui peut offrir des stratégies uniques et efficaces pour n’importe quelle communauté donnée.
Différentes stratégies pour différentes communautés
Sans surprise, le cadre a montré que pour réduire globalement le nombre de décès, il est préférable de vacciner d’abord soit le groupe à haut risque, soit le groupe à contact élevé, et le niveau de référence en dernier.
« La stratégie la plus courante, et celle qui a été déployée avec les vaccins contre la COVID-19, consiste à vacciner en premier le groupe à haut risque », explique Saeedi Bidokhti. « Mais pour 42 % des cas simulés, notre cadre montre qu'il est en réalité plus efficace d'administrer le vaccin au groupe à contact élevé avant le groupe à haut risque. »
Quel que soit le groupe à privilégier, il est devenu évident qu’il n’existe pas de solution universelle.
« Ce cadre informatique peut nous aider à identifier des solutions spécifiques pour différents groupes de personnes et celles qui sont plus nuancées et auxquelles nous ne parviendrons peut-être pas intuitivement par nous-mêmes », explique Arghal. « De plus, à mesure que les maladies infectieuses et leurs épidémies deviennent plus complexes, se propageant à des rythmes différents dans différentes communautés, l'utilisation de cette approche théorique des réseaux ne fera que devenir plus pertinente. »
Collaboration interdisciplinaire pour la santé publique
Le succès de l'équipe est le résultat direct de la collaboration entre l'ingénierie, la théorie des réseaux et la recherche médicale.
« Travailler avec des chercheurs en médecine comble le fossé entre les modèles théoriques et les applications réelles », explique Saeedi Bidokhti. « En collaborant avec des experts dans le domaine, nous garantissons que nos travaux d'ingénierie et de modélisation ont un impact direct et tangible sur la santé publique. »
« Relever ces défis nécessite une mentalité informatique, et cela ne peut pas être réalisé par un seul groupe », ajoute Rubin. « Et le résultat de cette collaboration est crucial car les maladies infectieuses comme le norovirus, le mpox et la dengue constituent des menaces constantes, et de nouvelles apparaîtront inévitablement. Il faut une collaboration interdisciplinaire pour développer des stratégies permettant de lutter simultanément contre plusieurs maladies – y compris le déploiement de vaccins pour plusieurs virus à la fois.
Prochaines étapes pour la recherche et la prochaine génération d’ingénieurs
L'élargissement des capacités du cadre pour faire face aux épidémies simultanées de plusieurs maladies, ainsi que la diffusion d'opinions sur les comportements qui affectent la propagation des maladies et la corrélation entre les évolutions de ces opinions et les maladies, sont quelques projets à l'horizon pour cette équipe de recherche. .
« Toute stratégie conçue pour contenir la maladie ne vaut que par la coopération volontaire de la population en général », déclare Sarkar. « Cela est vrai dans les stratégies de dépistage, de quarantaine et de vaccination. Les virus et les opinions des gens sur une stratégie de santé publique se propagent de la même manière – par interaction. Cependant, les opinions peuvent se propager à la fois par interaction en personne et à distance. Mais nous pouvons modéliser la propagation des opinions en utilisant les mêmes techniques que nous avons développées pour la propagation des virus et utilisons notre approche de théorie des réseaux pour intégrer cette dynamique dans une stratégie plus holistique et réaliste de vaccination et de prévention générale des maladies.
Pour soutenir l’application des approches d’ingénierie aux différents systèmes dans lesquels nous évoluons en tant que société, il est primordial de fournir à la prochaine génération d’ingénieurs les compétences qui leur permettent de croiser la technologie, la médecine et la santé publique.
Pour Arghal, qui a commencé son doctorat. en 2020, la pandémie mondiale et la question de la vaccination ont été l’occasion idéale de mettre ces compétences à l’épreuve.
« J'ai toujours eu l'intention d'apporter des outils d'ingénierie à des applications telles que la santé publique, l'économie et d'autres domaines nécessitant des stratégies de prise de décision complexes », explique-t-il. « Le début de ma carrière de chercheur a été marqué par l'une des décisions mondiales les plus urgentes en matière de santé publique : déterminer comment déployer les quantités limitées du vaccin contre la COVID-19. Ainsi, sans le planifier, j'ai pu me plonger dans mon projet initial. Dès le début, notre cadre contribue non seulement à éclairer cette décision, mais il peut également être appliqué à d’autres maladies respiratoires à propagation similaire, telles que le VRS, la grippe et le norovirus, qui sont actuellement en augmentation. et apparaissent simultanément, la « quaddémie » augmente avec le COVID-19. »
L’étude elle-même pourrait également aider les nouveaux étudiants de Penn à trouver de nouvelles pistes de recherche ayant un impact réel.
« Ce projet montre à nos étudiants que l'ingénierie ne consiste pas seulement à construire des machines », déclare Bidokhti. « Il s'agit de résoudre des problèmes réels qui affectent la vie des gens. Lorsque j'enseigne des cours tels que la théorie de l'information et des réseaux, j'apporte ces études en classe pour montrer à nos étudiants ce qui est possible avec un diplôme d'ingénieur, en les aidant à penser de manière créative, à travailler de manière transversale. disciplines et utiliser leurs compétences pour avoir un impact significatif.
Ce travail est soutenu par les subventions de la National Science Foundation NSF-2047482, NSF-1910594 et NSF-2008284.
