L'une des nombreuses questions scientifiques sans réponse au sujet de COVID-19 est de savoir s'il est saisonnier comme la grippe – en déclin pendant les mois chauds d'été puis en réapparaissant à l'automne et à l'hiver. Maintenant, les scientifiques du Lawrence Berkeley National Laboratory (Berkeley Lab) lancent un projet pour appliquer des méthodes d'apprentissage automatique à une pléthore d'ensembles de données sanitaires et environnementales, combinées à des modèles climatiques à haute résolution et des prévisions saisonnières, pour trouver la réponse.
Les variables environnementales, telles que la température, l'humidité et l'exposition aux UV (rayonnement ultraviolet), peuvent avoir un effet direct sur le virus, en termes de viabilité. Ils peuvent également affecter la transmission du virus et la formation d'aérosols. Nous utiliserons des méthodes d'apprentissage automatique de pointe pour séparer les contributions des facteurs sociaux des facteurs environnementaux afin de tenter d'identifier les variables environnementales auxquelles la dynamique de la maladie est la plus sensible. «
Eoin Brodie, chef de projet, scientifique du Berkeley Lab
L'équipe de recherche profitera d'une abondance de données sur la santé disponibles au niveau du comté – telles que la gravité, la distribution et la durée de l'épidémie de COVID-19, ainsi que des interventions de santé publique mises en œuvre quand – ainsi que la démographie, le climat et les facteurs météorologiques et, grâce aux données des smartphones, la dynamique de la mobilité de la population. L'objectif initial de la recherche est de prédire – pour chaque comté des États-Unis – comment les facteurs environnementaux influencent la transmission du virus du SRAS-CoV-2, qui cause le COVID-19.
Équipe multidisciplinaire pour un problème complexe
Démêler les facteurs environnementaux des facteurs sociaux et de santé est un problème épineux avec un grand nombre de variables, toutes interagissant de différentes manières. En plus de cela, le climat et la météo affectent non seulement le virus mais aussi la physiologie et le comportement humains. Par exemple, les gens peuvent passer plus ou moins de temps à l'intérieur, selon la météo; et leur système immunitaire peut également changer avec les saisons.
Il s'agit d'un problème de données complexe similaire à d'autres abordés par les chercheurs du Berkeley Lab qui étudient des systèmes tels que les bassins versants et l'agriculture; le défi consiste à intégrer des données à différentes échelles pour faire des prévisions au niveau local. « La réduction d'échelle des informations climatiques est quelque chose que nous faisons régulièrement pour comprendre comment le climat influe sur les processus écosystémiques », a déclaré Brodie. « Il implique les mêmes types de variables – température, humidité, rayonnement solaire. »
Brodie, directrice adjointe de la division des sciences du climat et des écosystèmes de Berkeley Lab, dirige une équipe interdisciplinaire de scientifiques de laboratoire spécialisés dans la modélisation du climat, l'analyse de données, l'apprentissage automatique et l'analyse géospatiale. Ben Brown, biologiste computationnel dans le domaine des biosciences du Berkeley Lab, dirige l'analyse de l'apprentissage automatique. L'un de leurs principaux objectifs est de comprendre comment le climat et la météo interagissent avec les facteurs sociétaux.
« Nous ne nous attendons pas nécessairement à ce que le climat soit un effet massif ou dominant en soi. Cela ne l'emportera pas sur la ville qui fermera quand », a déclaré Brown. « Mais il peut y avoir des interactions très importantes (entre les variables). En regardant New York et la Californie par exemple, même en tenant compte des différences entre le calendrier des interventions instituées par l'État, le taux de mortalité à New York peut être quatre fois plus élevé que en Californie – bien que des tests supplémentaires sur des échantillons aléatoires de la population soient nécessaires pour être sûr. La compréhension des interactions environnementales peut aider à expliquer pourquoi ces modèles semblent émerger. Il s'agit d'un problème par excellence pour l'apprentissage automatique et l'IA (intelligence artificielle). «
Le travail informatique sera effectué au Centre national de recherche scientifique sur l'énergie (NERSC), une installation utilisateur du DOE Office of Science située au Berkeley Lab.
Signes d'influences climatiques
Déjà, des différences géographiques dans le comportement de la maladie ont été rapportées, soulignent les chercheurs. La température, l'humidité et l'indice UV ont tous été associés statistiquement aux taux de transmission du COVID-19 – bien que les taux de contact restent l'influence dominante sur la propagation de la maladie. Dans l'hémisphère sud, par exemple, où il tombe actuellement, la propagation de la maladie a été plus lente que dans l'hémisphère nord. « Il y a potentiellement d'autres facteurs associés à cela », a déclaré Brodie. « La question est, quand l'hémisphère sud entrera en hiver, y aura-t-il une augmentation du taux de transmission, ou va-t-il chuter et l'hiver 2020 entraînera une résurgence à travers les États-Unis en l'absence d'interventions? »
L'Inde est un autre endroit où COVID-19 ne semble pas encore aussi virulent. « Il y a des villes où il se comporte comme s'il s'agissait de la maladie la plus infectieuse de l'histoire. Ensuite, il y a des villes où il se comporte davantage comme la grippe », a déclaré Brown. « Il est vraiment essentiel de comprendre pourquoi nous voyons ces différences massives. »
Brown note que d'autres expériences suggèrent que le virus du SRAS-CoV-2 pourrait être saisonnier. En particulier, le National Biodefense Analysis and Countermeasures Centre (NBACC) a évalué la longévité du virus sur diverses surfaces. « Sous le soleil et l'humidité, ils ont découvert que le virus perd sa viabilité en moins de 60 minutes », a déclaré Brown. « Mais dans l'obscurité et les basses températures, il est stable pendant huit jours. Il y a des différences vraiment sérieuses qui doivent être étudiées. »
L'équipe de Berkeley Lab pense que suffisamment de données peuvent maintenant être disponibles pour déterminer quels facteurs environnementaux peuvent influencer la virulence du virus. « Maintenant, nous devrions avoir suffisamment de données du monde entier pour vraiment faire une évaluation », a déclaré Brown.
L'équipe espère que la première phase de son analyse sera disponible à la fin de l'été ou au début de l'automne. La prochaine phase consistera à faire des projections selon différents scénarios, ce qui pourrait aider aux décisions de santé publique.
«Nous utiliserions des modèles pour projeter vers l'avant, avec différents scénarios météorologiques, différents scénarios d'intervention sanitaire – comme une distanciation sociale continue ou s'il existe des vaccins ou un certain niveau d'immunité collective – dans différentes parties du pays. Par exemple, nous espérons être pouvoir dire, si vous avez des enfants qui retournent à l'école dans ce type d'environnement, le climat et la météo dans cette zone vont influencer la transmission potentielle de ce montant « , a expliqué Brodie. « Ce sera une tâche à plus long terme à accomplir. »
La source:
DOE / Lawrence Berkeley National Laboratory
