Nell’attuale emergenza sanitaria Covid-19, HUMCO, startup innovativa per l’applicazione degli strumenti di intelligenza artificiale nei contesti aziendali, ha chiamato a raccolta il suo network di ricerca internazionale per mettere a punto un progetto di tracciamento dei contagiati asintomatici, al fine di contenere in modo efficace la diffusione dell’epidemia tramite l’esecuzione tempestiva di interventi mirati di isolamento e di screening.
Il progetto è attualmente in corsa sia al bando nazionale lanciato dal Ministero della Salute che a quello lanciato dalla Regione Veneto per individuare strumenti efficaci nella lotta al Coronavirus.
Il sistema permette di andare a ritroso nel tempo individuando in termini probabilistici chi è stato contagiato da Covid-19, ma non ne è consapevole perché portatore sano (asintomatico), permettendo di isolarlo e rompere, così, la catena del contagio. Una identificazione precoce e capillare dei candidati al contagio fornisce, infatti, un apporto sostanziale al contenimento del fenomeno e agisce da coadiuvante e catalizzatore di tutte le altre azioni in corso.
La Società, basata a Venezia, è stata coinvolta in una task force multidisciplinare e internazionale composta da docenti e ricercatori delle Università di Padova, Venezia, Bologna, Pavia, della Lincoln University in Gran Bretagna, di Yale negli USA, dell’Université Catholique di Bruxelles e da dirigenti dell’Azienda Sanitaria di Modena. Si tratta di un network di collaborazioni accademiche e professionali che permettono di coprire tutti gli aspetti legati all’emergenza sanitaria.
I progetti che coinvolgono il team sono più di uno, ma collegati tra loro al fine di definire una best practice unica per affrontare e contingentare la situazione di crisi SARS-CoV-2.
Esclusa l’esistenza di un vaccino alla data odierna, il punto nodale e la principale sfida di HUMCO è definire la miglior stima dei parametri noti con il termine SEIR (contagiabili, contagiati asintomatici, contagiati e immuni/guariti) con l’ausilio di algoritmi di machine learning, in presenza di una numerosità di dati significativa e granulare (distretti sanitari), al fine di definire al meglio i modelli previsionali.
Il campione di validazione nasce dall’analisi del modello sanitario operativo del presidio ospedaliero di Modena, per proseguire attraverso l’ottimizzazione dei modelli matematici con stima dei parametri con strumenti di machine learning, all’interazione dei big data in un sistema di tracciamento e contingentamento della diffusione.
Dal punto di vista tecnologico, il sistema usato per tracciare i movimenti della popolazione si basa sulla triangolazione delle celle telefoniche, a cui si aggiunge il tracciamento ancora più preciso in termini geo-spaziali mediante GPS e triangolazione degli hotspot wi-fi pubblici e privati.
Diversamente da quanto fatto in Cina e Corea, lo scopo non è un semplice ‘real time monitoring’ per controllare i cittadini, ma definire dei micro-cluster sanitari (e.g., piccoli quartieri) e identificare le probabilità di contagio con una profondità temporale di 30/40 giorni a ritroso: in questo modo si è in grado di individuare il candidato infetto (allo stato di incubazione) o l’asintomatico e provvedere all’isolamento fiduciario.
Il dato finale viene dedotto elaborando una grossa mole di informazioni che incrocia dati sanitari (dal matching tra tamponi positivi e relativi contatti, allo sviluppo dell’epidemia secondo modelli epidemiologici per singolo distretto), geo-spaziali (gli spostamenti) e socio-demografici (e.g., indici di connessione territoriale). In questo modo si definiscono le zone puntuali sulle quali è più utile un intervento di diagnosi (tamponi), di rafforzamento delle strutture e del personale sanitario per i presidi competenti (modellando dinamicamente la tenuta delle unità di crisi), o di monitoraggio da parte delle forze dell’ordine. Bastano 10-15 giorni per mettere a punto il tracciamento, mettendo in sicurezza intere aree.
Il sistema è declinabile strategicamente anche all’interno delle aziende che in questo modo possono creare un modello di autocertificazione, tutelando la salute dei propri lavoratori e isolando i possibili asintomatici. Predisponendo un’analisi preventiva, si creerebbero dei “presidi nei presidi” che andrebbero ad aumentare le informazioni utili al Sistema Sanitario e alle istituzioni nazionali e regionali (identificati come unici detentori del dato), rendendo proattivo lo spinoso tema del dualismo tra crisi sanitaria e necessità produttive legate a esigenze dell’economia reale.