Bei der Vorhersage einer Epidemie kann die Evolution nicht ignoriert werden

Wenn Wissenschaftler versuchen, die Ausbreitung von etwas über Populationen hinweg vorherzusagen – ob es sich nun um einen Coronavirus handelt oder bewusste Fehlinformationen –, verwenden sie dazu komplexe mathematische Modelle. In der Regel untersuchen sie die ersten Schritte, mit denen sich der Gegenstand der Untersuchung ausbreitet, und verwenden dann diese Rate, um zu projizieren, wie weit und ausgedehnt die Ausbreitung sein wird. Aber was passiert, wenn ein Krankheitserreger mutiert oder Informationen verändert werden und sich die Ausbreitungsgeschwindigkeit ändert?

In einer neuen Studie, die kürzlich in den „Proceedings der National Academy of Sciences USA“ (PNAS) erschienen ist, legt ein Team von Forschern der Carnegie Mellon University in Pittsburgh (USA) zum ersten Mal dar, wie wichtig diese Überlegungen sind.

„Diese evolutionären Veränderungen haben enorme Auswirkungen“, sagt Osman Yagan vom am CyLab, korrespondierender Autor der Studie. „Wenn Sie die möglichen Veränderungen im Laufe der Zeit nicht berücksichtigen, sagt man möglicherweise die Anzahl der erkrankten Personen oder die Anzahl der Personen, die einer Information ausgesetzt sind, falsch voraus.“ Die meisten Menschen sind mit Epidemien von Krankheiten vertraut. Doch Informationen als solche, die heutzutage blitzschnell über soziale Medien weiterverbreitet werden, können ihre eigene Art von Epidemie erfahren und „viral gehen“. Ob dies mit einer Information geschieht oder nicht, hängt davon ab, wie die ursprüngliche Nachricht „frisiert“ wird.

„Einige Fehlinformationen sind beabsichtigt, andere können sich jedoch organisch entwickeln, wenn viele Menschen nacheinander kleine Änderungen vornehmen, wie bei dem Spiel ‚Stille Post‘“, sagt Yagan. „Eine scheinbar langweilige Information kann sich zu einem viralen Tweet entwickeln, und wir müssen vorhersagen können, wie sich diese Dinge verbreiten.“

In ihrer Studie entwickelten die Forscher eine mathematische Theorie, die diese evolutionären Veränderungen berücksichtigt. Anschließend testeten sie ihre Theorie gegen Tausende von Computer-simulierten Epidemien in realen Netzwerken wie Twitter zur Verbreitung von Informationen oder ein Krankenhaus zur Verbreitung von Krankheiten.Im Zusammenhang mit der Ausbreitung von Infektionskrankheiten führte das Team Tausende von Simulationen mit Daten aus zwei realen Netzwerken durch: einem Kontaktnetzwerk für Schüler, Lehrer und Mitarbeiter einer US-amerikanischen High School und einem Kontaktnetzwerk für Mitarbeiter und Patienten in einem Krankenhaus in Lyon (Frankreich). Diese Simulationen dienten als Prüfstand: Die Theorie, die mit den in den Simulationen beobachteten übereinstimmt, würde sich als genauer erweisen.

„Traditionelle Modelle, die evolutionäre Anpassungen nicht berücksichtigen, können die Wahrscheinlichkeit des Auftretens einer Epidemie nicht vorhersagen,“ schlussfolgert Erstautor Rashad Eletreby aus den Ergebnissen. Die Studie sei zwar nicht der Königsweg, um die Ausbreitung des aktuellen Coronavirus oder die Verbreitung von „Fake News“ im Umfeld der sich ständig verändernden politischen Verhältnisse mit hundertprozentiger Genauigkeit vorherzusagen – man würde Echtzeitdaten benötigen, um die Entwicklung des Erregers oder der Informationen zu verfolgen, damit das funktioniert –, aber die Autoren halten es für einen großen Schritt. „Wir sind der Realität einen Schritt näher gekommen“, sagt Eletreby.