Forskere på Corona-jagt: ”En borgerpligt at lade sig teste”

Verden over er almindelige mennesker under corona-lockdown blevet transformeret til hjemmestatistikere, der prøvede at forstå og følge med i pandemiens udvikling. Behovet for en eller anden kontrol og tryghed har været enormt både hos almindelige mennesker og hos beslutningstagere: Hvor er vi på smittekurven? Falder eller stiger smittetrykket? Ved hjælp af modellering og simulering har forskere udviklet et system til kontrol af smittespredningen, som kan optimere mulige indgreb mod COVID-19.

”Målet var at begrænse udbredelsen af COVID-19-smitte på en måde, så epidemien blev så kortvarig som muligt, og så vi undgik at overskride kapaciteten i sundhedssystemet. Med det ny system er vi rustet til at følge spredningen og vurdere, hvordan enkelte initiativer virker. For at modellerne skal virke, har vi dog brug for bedre testdata. I dag får vi kun data fra syge eller dem, der vælger at blive testet, hvilket giver en skævvridning af tallene. Det burde være en borgerpligt at lade sig teste jævnligt, så vi hele tiden kan holde øje og sætte ind, når det bliver nødvendigt,” forklarer professor John Bagterp Jørgensen fra DTU Compute.

Cementfabrikker og kunstige bugspytkirtler

John Bagterp Jørgensen har aldrig arbejdet med epidemier før, men har en baggrund indenfor styresystemer til cementfabrikker og med at konstruere en kunstig bugspytkirtel. Den baggrund indenfor opbygning af matematiske modeller pirrede hans nysgerrighed, da Danmarks sundhedsminister Magnus Heunicke tonede frem på pressemøde med de allerede berømte grønne og røde kurver, der viste hhv. kurven for en epidemi, hvor kapaciteten i sundhedssystemet blev holdt, og en, hvor systemet brød sammen.

”Jeg tænkte: Hold da op. Det må da komme til at blive en langstrakt grøn kurve, og i samme øjeblik slog det mig, at det er jo præcis det, som vi kan med vores modeller og systemer. Beregne, hvornår kurven rammer loftet, og hvad der skal til for, at vi ikke rammer den. Så jeg gik straks i gang med at regne på tallene, og blev hurtigt bekræftet i, at den her corona-krise ikke var noget, der var hurtigt overstået, og at der var behov for alle kræfter til at hjælpe med at finde ud af, hvad der virkede, og hvad der ikke gjorde.”

Ideen var skabt. Som matematiker og modelbygger havde John Bagterp Jørgensen dog aldrig selv arbejdet med epidemier og virus, men erfaringerne fra den kunstige bugspytkirtel,  der automatisk kan dosere den rette mængde insulin til type 1-diabetespatienter, kunne sagtens bruges. Redskaberne var nemlig mere eller mindre de samme. Ved hjælp af såkaldte stokastiske modeller kan forskerne systematisk løbende bygge modeller og kalibrere dem - i takt med at nye data kommer ind.

”I stokastiske modeller beskriver vi tidsudviklingen af et fænomen, hvor tilfældigheder, som ved en virusepidemi, spiller en afgørende rolle. Med vores modeller kan vi derfor konstant simulere, optimere og kontrollere, så vi både kan give nogle korttidsforudsigelser, fx om det forventede antal hospitalsindlagte eller effekten af social distance – både på befolkningsniveau, men også afhængig af eksempelvis geografi eller socialklasse,” forklarer John Bagterp Jørgensen.

Stor glæde af samarbejde

Sammen med samarbejdspartnere fra bl.a. Institut for Elektroniske Systemer på Aalborg Universitet og kollegaer på DTU Compute gav han sig i kast med at bygge et simuleringssystem, der konstant kunne justere og finde den bedste strategi for begrænsninger i forbindelse med nedlukning og genåbning efter epidemier og på den måde beskytte befolkningen og samfundet og sikre, at der ikke sker en overskridelse af kapacitet i det danske hospitalssystem.

På selvsamme tid sad professor i datalogi Kim Guldstrand Larsen i den anden ende af Danmark med selvsamme ønske om at kunne hjælpe – blot med en lidt anden løsning på det presserende problem.

”Vi bruger såkaldte agentbaserede modeller, som vi tidligere har anvendt til analyse af diverse komplekse systemer lige fra software i biler til biologiske systemer. Ved at analysere komplekse systemer kan vi ved maskinlæring udvikle beregningsmodeller, der simulerer systemet. Når man kører simulationerne mange gange, får man forfinet modellen og kan derefter studere resultatet med statistiske værktøjer og dermed få et bedre grundlag for at træffe beslutninger omkring tiltag og lempelser for politikere og sundhedsmyndigheder,” forklarer Kim Guldstrand Larsen, der er professor i Distributed, Embedded and Intelligent Systems ved Aalborg Universitet.

Mens DTU Computes system anvender matematisk modellering og optimering af en række mulige indgreb, anvender Kim Guldstrand Larsens system værktøjet UPPAAL, som har sin styrke i at kunne beskrive en udvikling, hvor der sker pludselige overgange til nye betingelser, fx at skoler og daginstitutioner pludselig åbnes. Det tog ikke forskerne lang tid at indse, at det rigtige var at forene kræfterne, og de to forskellige metoder har foreløbig også kun været en gave til projektet.

”Vi har haft virkelig stor glæde af vores samarbejde. Dels har vi har løbende kunnet sammenligne og justere modeller, og vi har haft en fælles deling af resultater med hinanden samt Sundhedsstyrelsen og Statens Serum Institut,” siger Kim Guldstrand Larsen.

En borgerpligt at blive testet

Med de to nye modelsystemer har man nu et vigtigt våben, så myndighederne ved opblomstring af COVID-19 og ved epidemier i fremtiden kan få en bedre ide om effekten af lukning eller åbning af uddannelsesinstitutioner og isolering af institutioner, eksempelvis plejehjem, med COVID-19-tilfælde. Dermed kan systemet give anbefalinger til sårbare borgere til selvisolering i perioder, hvor der i områder er større smitte. En afgørende faktor for, at systemerne skal komme til at fungere, er dog testning og de data, der kommer derfra.

”For at kunne optimere vores modeller har vi brug for data, som er repræsentative for hele befolkningen. Problemet med de testdata, vi får ind lige nu, er, at de enten stammer fra syge mennesker eller fra mennesker, som vælger at lader sig teste, fordi de gerne vil føle sig sikre på, at de ikke er smittede. Det, vi har brug for, er data fra tilfældige personer. Så hvis vores systemer skal kunne give de rigtige svar, bør myndighederne begynde at teste bredt, og det bør være en borgerpligt at blive testet,” forklarer en anden af projektets deltagere, professor og sektionsleder Henrik Madsen fra DTU Compute.

Med de rette data fra virustest og antistoftest vil forskerne med de nye modelsystemer meget præcist kunne fange nye bølger af epidemier, inden de for alvor udvikler sig, så epidemierne kan tages i opløbet.

”Vi kan nok ikke forudsige det nylige udbrud i Hjørring, men vi vil kunne hjælpe med at overvåge, om det går i sig selv, og om der er nye udbrud undervejs, så længe vi får de data, der skal til,” siger Henrik Madsen.

En anden forudsætning for at de nye modelleringssystemer virker, er træning og optimering.

”For at sikre at modelleringssystemerne er up-to-date, og at vi ved, hvordan vi skal bruge dem, bør vi på samme måde som militæret afholde årlige øvelser, hvor vi simulerer en epidemi, så vi ved, hvornår og hvordan vi skal reagere,” uddyber Henrik Madsen.

Forskerne tænker også, at simuleringssystemet kan bruges til at gøre befolkningen klar til fremtidige epidemier – gennem spil.

”En af vores planer er at udvikle det her til et computerspil, så man som borger kan opleve, hvad det er for nogle mekanismer, der er i spil, når en epidemi udvikler sig. Hvis man oplever, hvilke faktorer der er afgørende for spredning af smitte, kan det måske ovenikøbet påvirke den personlige adfærd,” siger Henrik Madsen.

Novo Nordisk Fonden bevilgede 4.969.057 kr. til John Bagterp Jørgensen til projektet ”Estimering, simulering og regulering til optimale indgreb mod COVID-19” i samarbejde mellem Danmarks Tekniske Universitet og Aalborg Universitet. Professor Kim Guldstrand Larsen og professor Jakob Stoustrup modtog 1.205.233 støtte fra Poul Due Jensen Fonden til projektet ”BEO-COVID”.