Article_top

Константин Делчев е част от секция "Математически основи на информатиката" на Института по математика и информатика, но също така се занимава с образование, като подготвя българските участници в редица международни научни конкурси за ученици. Работи по различни международни инициативи и е бил експерт към Комитета на регионите.

 

През последните дни много се заговори за модели на пандемията. Обещаха ни от екрана подобрение след 2 седмици, ако сме послушни, запревеждаха се статии с „чукове и танци“ и линкове към калкулатори, хората започнаха да се чудят коя смъртност е по-вярна - немската или италианската, че да смятат колко народ ще умре... 

И това е напълно разбираемо. Хората искат да знаят кога ще свърши всичко. Не задължително дали ще свърши хубаво, а просто кога. Старата приказка за ужаса без край и ужасния край. 

За съжаление обаче всички тези усилия са неособено полезни, понеже се мъчат да кажат малко, ама за нещо далече, отколкото много, но за това, което е пред нас. Пък и да си го кажем честно – един умел математик може да произведе почти всякаква графика на заболеваемостта в идните три месеца. Един неумел математик – абсолютно всякаква. 

Да предвидиш каква ще бъде заболеваемостта в идните няколко дни вече е висш пилотаж. И освен това е несравнимо по-полезно. Защо? Защото ни позволява да се адаптираме. А колко е важна адаптивността?

Представете си, че залагате на боксов мач. Вие естествено можете да проверите кой боксьор как се е представял в миналото, какви са новините около подготовката му и т.н., за да подобрите своя избор. Но когато мачът започне, залагането е направено и толкова. 

А сега си представете, че имате приятел, който може тайничко да подмени вашето залагане след петия рунд. Доста по-добре, нали? Да, мачът може да не продължи пет рунда, или след пет рунда доминация на единия боксьор да свърши газта и да се срине. Но въпреки това вие се намирате в много по-добра позиция спрямо всички останали, които нямат приятели в букмейкинга.

И обратния пример - помислете си какво има да правите през деня и си представете, че ще го правите, ама получавайки информация 5 минути по-късно. Пет минути по-късно ще знаете какъв е бил цветът на светофара, пет минути по-късно ще знаете на кой автобус сте се качили, пет минути по-късно ще знаете на какви карти сте викнали всичко коз.

Всеки ден, когато лабораториите откриват новите болни от коронавирус, те откриват какво се е случило преди средно пет дни. Всеки път, когато се въведат нови мерки срещу пандемията, отново разбираме какъв е техният ефект след около пет, а най-пълно – след 14 дена. 

За да променим това, ние се нуждаем от точни, но краткосрочни модели, които са крайно различни от циркулиращите в медиите и популярното интернет пространство. Краткосрочните модели не се базират на данни от предни епидемии с различни вируси и на голям брой общи допускания. Вместо това се базират на предходните налични данни от настоящата, идващи веднъж или два пъти на ден. Ето защо те не излизат в първия ден от заразата, просто имат нужда да наберат някакви данни.

Някои модели могат да се базират на връзките и профила на новозаразените, трети да отчитат географското им разположение. Много работят със стохастични процеси от най-различен вид, все по-често виждаме навлизането и на изкуствен интелект. Работата с тях е доста интензивна и изисква човек да познава голям брой резултати, често излезли през последните няколко години. Това не е област, където човек може да разчита на знания от следването и да лежи на стари лаври.

С тяхна помощ човек би могъл да предвиди наличието на заразени още преди те да са показали клинични симптоми или на такива, които карат заболяването асимптоматично и просто сеят заразата около тях, без дори да подозират. 

Това би позволило да се отговори на въпроси като: Налага ли се карантина на дадено селище? Къде да бъдат разширени отделенията или изпратени допълнителни лекари? Какви ресурси да бъдат насочени към населените места с потенциален проблем?

 

По същия начин математическите модели помагат и на отделния пациент. Множество заболявания имат разработени детайлни скали на риска и алгоритми за лечение, базирани именно на статистическа оценка за това какъв е рискът и какво се очаква да е протичането на съответното заболяване при пациент с конкретни характеристики. 

За коронавируса такава още няма, но вече виждаме публикувана информация от Италия, показваща кои съпътстващи заболявания се асоциират с голям процент от загиналите или тежко засегнатите. Същите могат да бъдат използвани и за преценка на това колко дълга да бъде изолацията на даден човек още преди той да се зарази – дали например е по-добре да стои като затворник сам два месеца, или да живее при децата и внуците си. 

„Да не се вижда с никого“ е първосигналната реакция, неадаптивната стратегия, която много хора ще предложат, но какво се случва, ако човекът страда от исхемични пристъпи? Или от високо кръвно, което не контролира добре? Тогава балансът на рисковете от COVID-19 и другите негови заболявания става доста по-чувствителен. 

Тук отново статистиката, било в явен вид, било скрита зад препоръки, алгоритми за лечение и честота на страничните ефекти, позволява да бъде взето правилното решение. 

Математическото моделиране отдавна се използва в най-различни сфери. Финансовият и застрахователният сектор са едни от най-добрите примери (и най-щедрите спонсори) - над 80% от всички заявки на Forex пазара са направени от алгоритми, а не от реални лица, вземащи съответните решения за тях. Често тези модели работят изключително кратко време, остарявайки буквално за дни, а работата върху тях е непрекъсната. Ето защо понастоящем в България хората, занимаващи се с писане на подобни модели, са едни от най-скъпоплатените специалисти в дигиталния сектор. 

Гигантските вериги като "Амазон" също се доверяват на предсказанията на модели, за да управляват доставките и наличностите си, в противен случай при главоломното нарастване на онлайн търговията има съвсем реална опасност коледните подаръци да пристигнат за Свети Валентин. Те също непрекъснато търпят разработка, за да бъдат адаптирани към промените в обществото и за да не се натъкват на непредвидености като миналогодишните зимни бури, които донесоха на програмата Amazon Prime хиляди разгневени писма. А самите метеорологични и климатични явления пък са едни от най-трудните и ресурсоемки за моделиране процеси.

Разбира се, математическите модели не идват ей така, от нищото, само с научен труд. За да могат те да работят правилно, се изисква много информация, по възможност прецизна, защото нерядко виждаме как промяна само в един параметър може да доведе до радикално различни предвиждания. 

Пандемията е толкова нова, че множество жизненоважни за моделирането на процеса данни липсват. Много малко са например данните за процента асимптоматични носители, а това води след себе си въпроси и за смъртността, и за количеството „имунизирани“, и за скоростта на разпространение. 

На много места лимитиращ фактор за откриването на заразените е тестването, което също води до странни на пръв поглед феномени. А пък държави, изпитващи известен недостиг на граждански права и свободи, изобщо не тиражират данни, с които може да се работи по достоверен начин. 

Всичко това изключително много затруднява и без това трудното моделиране на един процес в развитие. Ето защо трябва да бъде намерен начин до изследователите в областта да достига възможно най-много информация, без да бъдат нарушавани правата на самите пациенти. Съвременните принципи за отворени данни позволяват да бъде намерено такова решение.

Съвременните технологии позволяват и на здравите да допринесат към събирането на информация – усилено се говори за различни приложения за самодокладване на симптоми, за следене на собственото местоположение спрямо огнища на зараза и получаване на предупреждения. Да, ясно е, че само при пускането на една такава идея човек вече може да чуе тракането от клавишите на любителите (и на платените професионалисти) на конспирациите, но с отворен код и достатъчно прозрачност те не би трябвало да са чак такъв проблем. 

Изследователите, работещи директно с щабовете за справяне с пандемията, също следва да бъдат максимално открити и колаборативни с останалите специалисти. А те от своя страна следва да избягват сензационалистиката, преди да оповестяват собствените си заключения. 

Всеки, дори и най-добрият, може да пропусне резултат, да не види закономерност, да допусне грешка в кода си. Това не е проблем. Проблем е, ако не се хване и резултатът се измери с човешки животи и милиардни загуби. Които, впрочем, също накрая се измерват с човешки животи – фалитите, обедняването, липсата на ресурси за по-добро лечение и профилактика тихо и задкулисно вземат години от живота на засегнатите, а някои покосяват директно.

 

Бел. ред.: След публикуване на материала стана известно, че скрининг на общата популация в определени държави се прави и вече има резултати.

 

Константин Делчев е част от секция "Математически основи на информатиката" на Института по математика и информатика, но също така се занимава с образование, като подготвя българските участници в редица международни научни конкурси за ученици. Работи по различни международни инициативи и е бил експерт към Комитета на регионите.

 

През последните дни много се заговори за модели на пандемията. Обещаха ни от екрана подобрение след 2 седмици, ако сме послушни, запревеждаха се статии с „чукове и танци“ и линкове към калкулатори, хората започнаха да се чудят коя смъртност е по-вярна - немската или италианската, че да смятат колко народ ще умре... 

И това е напълно разбираемо. Хората искат да знаят кога ще свърши всичко. Не задължително дали ще свърши хубаво, а просто кога. Старата приказка за ужаса без край и ужасния край. 

За съжаление обаче всички тези усилия са неособено полезни, понеже се мъчат да кажат малко, ама за нещо далече, отколкото много, но за това, което е пред нас. Пък и да си го кажем честно – един умел математик може да произведе почти всякаква графика на заболеваемостта в идните три месеца. Един неумел математик – абсолютно всякаква. 

Да предвидиш каква ще бъде заболеваемостта в идните няколко дни вече е висш пилотаж. И освен това е несравнимо по-полезно. Защо? Защото ни позволява да се адаптираме. А колко е важна адаптивността?

Представете си, че залагате на боксов мач. Вие естествено можете да проверите кой боксьор как се е представял в миналото, какви са новините около подготовката му и т.н., за да подобрите своя избор. Но когато мачът започне, залагането е направено и толкова. 

А сега си представете, че имате приятел, който може тайничко да подмени вашето залагане след петия рунд. Доста по-добре, нали? Да, мачът може да не продължи пет рунда, или след пет рунда доминация на единия боксьор да свърши газта и да се срине. Но въпреки това вие се намирате в много по-добра позиция спрямо всички останали, които нямат приятели в букмейкинга.

И обратния пример - помислете си какво има да правите през деня и си представете, че ще го правите, ама получавайки информация 5 минути по-късно. Пет минути по-късно ще знаете какъв е бил цветът на светофара, пет минути по-късно ще знаете на кой автобус сте се качили, пет минути по-късно ще знаете на какви карти сте викнали всичко коз.

Всеки ден, когато лабораториите откриват новите болни от коронавирус, те откриват какво се е случило преди средно пет дни. Всеки път, когато се въведат нови мерки срещу пандемията, отново разбираме какъв е техният ефект след около пет, а най-пълно – след 14 дена. 

За да променим това, ние се нуждаем от точни, но краткосрочни модели, които са крайно различни от циркулиращите в медиите и популярното интернет пространство. Краткосрочните модели не се базират на данни от предни епидемии с различни вируси и на голям брой общи допускания. Вместо това се базират на предходните налични данни от настоящата, идващи веднъж или два пъти на ден. Ето защо те не излизат в първия ден от заразата, просто имат нужда да наберат някакви данни.

Някои модели могат да се базират на връзките и профила на новозаразените, трети да отчитат географското им разположение. Много работят със стохастични процеси от най-различен вид, все по-често виждаме навлизането и на изкуствен интелект. Работата с тях е доста интензивна и изисква човек да познава голям брой резултати, често излезли през последните няколко години. Това не е област, където човек може да разчита на знания от следването и да лежи на стари лаври.

С тяхна помощ човек би могъл да предвиди наличието на заразени още преди те да са показали клинични симптоми или на такива, които карат заболяването асимптоматично и просто сеят заразата около тях, без дори да подозират. 

Това би позволило да се отговори на въпроси като: Налага ли се карантина на дадено селище? Къде да бъдат разширени отделенията или изпратени допълнителни лекари? Какви ресурси да бъдат насочени към населените места с потенциален проблем?

 

По същия начин математическите модели помагат и на отделния пациент. Множество заболявания имат разработени детайлни скали на риска и алгоритми за лечение, базирани именно на статистическа оценка за това какъв е рискът и какво се очаква да е протичането на съответното заболяване при пациент с конкретни характеристики. 

За коронавируса такава още няма, но вече виждаме публикувана информация от Италия, показваща кои съпътстващи заболявания се асоциират с голям процент от загиналите или тежко засегнатите. Същите могат да бъдат използвани и за преценка на това колко дълга да бъде изолацията на даден човек още преди той да се зарази – дали например е по-добре да стои като затворник сам два месеца, или да живее при децата и внуците си. 

„Да не се вижда с никого“ е първосигналната реакция, неадаптивната стратегия, която много хора ще предложат, но какво се случва, ако човекът страда от исхемични пристъпи? Или от високо кръвно, което не контролира добре? Тогава балансът на рисковете от COVID-19 и другите негови заболявания става доста по-чувствителен. 

Тук отново статистиката, било в явен вид, било скрита зад препоръки, алгоритми за лечение и честота на страничните ефекти, позволява да бъде взето правилното решение. 

Математическото моделиране отдавна се използва в най-различни сфери. Финансовият и застрахователният сектор са едни от най-добрите примери (и най-щедрите спонсори) - над 80% от всички заявки на Forex пазара са направени от алгоритми, а не от реални лица, вземащи съответните решения за тях. Често тези модели работят изключително кратко време, остарявайки буквално за дни, а работата върху тях е непрекъсната. Ето защо понастоящем в България хората, занимаващи се с писане на подобни модели, са едни от най-скъпоплатените специалисти в дигиталния сектор. 

Гигантските вериги като "Амазон" също се доверяват на предсказанията на модели, за да управляват доставките и наличностите си, в противен случай при главоломното нарастване на онлайн търговията има съвсем реална опасност коледните подаръци да пристигнат за Свети Валентин. Те също непрекъснато търпят разработка, за да бъдат адаптирани към промените в обществото и за да не се натъкват на непредвидености като миналогодишните зимни бури, които донесоха на програмата Amazon Prime хиляди разгневени писма. А самите метеорологични и климатични явления пък са едни от най-трудните и ресурсоемки за моделиране процеси.

Разбира се, математическите модели не идват ей така, от нищото, само с научен труд. За да могат те да работят правилно, се изисква много информация, по възможност прецизна, защото нерядко виждаме как промяна само в един параметър може да доведе до радикално различни предвиждания. 

Пандемията е толкова нова, че множество жизненоважни за моделирането на процеса данни липсват. Много малко са например данните за процента асимптоматични носители, а това води след себе си въпроси и за смъртността, и за количеството „имунизирани“, и за скоростта на разпространение. 

На много места лимитиращ фактор за откриването на заразените е тестването, което също води до странни на пръв поглед феномени. А пък държави, изпитващи известен недостиг на граждански права и свободи, изобщо не тиражират данни, с които може да се работи по достоверен начин. 

Всичко това изключително много затруднява и без това трудното моделиране на един процес в развитие. Ето защо трябва да бъде намерен начин до изследователите в областта да достига възможно най-много информация, без да бъдат нарушавани правата на самите пациенти. Съвременните принципи за отворени данни позволяват да бъде намерено такова решение.

Съвременните технологии позволяват и на здравите да допринесат към събирането на информация – усилено се говори за различни приложения за самодокладване на симптоми, за следене на собственото местоположение спрямо огнища на зараза и получаване на предупреждения. Да, ясно е, че само при пускането на една такава идея човек вече може да чуе тракането от клавишите на любителите (и на платените професионалисти) на конспирациите, но с отворен код и достатъчно прозрачност те не би трябвало да са чак такъв проблем. 

Изследователите, работещи директно с щабовете за справяне с пандемията, също следва да бъдат максимално открити и колаборативни с останалите специалисти. А те от своя страна следва да избягват сензационалистиката, преди да оповестяват собствените си заключения. 

Всеки, дори и най-добрият, може да пропусне резултат, да не види закономерност, да допусне грешка в кода си. Това не е проблем. Проблем е, ако не се хване и резултатът се измери с човешки животи и милиардни загуби. Които, впрочем, също накрая се измерват с човешки животи – фалитите, обедняването, липсата на ресурси за по-добро лечение и профилактика тихо и задкулисно вземат години от живота на засегнатите, а някои покосяват директно.

 

Бел. ред.: След публикуване на материала стана известно, че скрининг на общата популация в определени държави се прави и вече има резултати.

Коментари

Най

Следвайте ни

 
 

Още по темата

Още от категорията

Анкета

Адекватни ли са мерките на правителството и щаба за справяне с пандемията?