Quando gli scienziati provano a prevedere la diffusione di qualcosa tra le popolazioni – qualsiasi cosa, da un coronavirus alle fake news – usano modelli matematici complessi e, solitamente, studiano i primi passi compiuti dal ‘soggetto’ che si diffonde e usano quel tasso per elaborare proiezioni su quanto lontano andrà la diffusione. Cosa succede se un agente patogeno muta o le informazioni vengono modificate, cambiando la velocità con cui si diffondono? In un nuovo studio pubblicato sulla rivista Proceedings of National Academy of Sciences, un team di ricercatori della Carnegie Mellon University ha mostrato per la prima volta quanto siano importanti questi cambiamenti.

“Questi cambiamenti evolutivi hanno un impatto enorme”, afferma Osman Yagan, docente di CyLab, professore associato di ingegneria elettronica e informatica. “Se non si considerano i potenziali cambiamenti nel tempo, si sbaglierà nel prevedere il numero di persone che si ammaleranno o il numero di persone che saranno esposte a un’informazione”.

Nel nuovo studio, i ricercatori hanno sviluppato una teoria matematica che prende in considerazione questi cambiamenti evolutivi e hanno successivamente testato la loro teoria con migliaia di epidemie simulate al computer in due reti del mondo reale: una rete di contatto tra studenti, insegnanti e personale di una scuola superiore degli Stati Uniti e una rete di contatto tra personale e pazienti in un ospedale di Lione, Francia. Queste simulazioni sono servite da banco di prova: la teoria che corrispondeva meglio a quello che veniva osservato nelle simulazioni sarebbe stata quella più accurata.

“Abbiamo dimostrato che la nostra teoria funziona su reti del mondo reale”, spiega il primo autore dello studio, Rashad Eletreby “i modelli tradizionali che non considerano gli adattamenti evolutivi non riescono a prevedere la probabilità della comparsa di un’epidemia”.