Το Μοντέλο Πρακτόρων (ABM) για τη προσομοίωση και τη διαχείριση επιδημιολογικών κρίσεων
Κυρίως λόγω της πολύ ταχείας εξάπλωσης της, η πανδημία COVID19 αποτελεί την τελευταία πρόκληση στον τομέα της Υγείας παγκοσμίως. Με την επιβολή διαφόρων περιοριστικών μέτρων και πολιτικών, οι αρμόδιοι για χάραξη πολιτικής (Policymakers) σε όλο τον κόσμο προσπαθούν να μετριάσουν τις επιπτώσεις της πανδημίας σε υγειονομικό και οικονομικό επίπεδο.
Αποφάσεις και πολιτικές για τον περιορισμό της εξάπλωσης του ιού περιλαμβάνουν μέτρα όπως το lockdown, την επιβολή καραντίνας 14 ημερών, το κλείσιμο επιχειρήσεων και την αναγκαστική χρήση της χειρουργικής μάσκας σε κλειστούς και ανοικτούς χώρους. Τα μέτρα αυτά μπορούν να συμβάλουν καθοριστικά στον περιορισμό της εξάπλωσης του ιού στην κοινότητα, στην μείωση μελλοντικών κρουσμάτων και θανάτων και στην αποσυμφόρηση του συστήματος υγειονομικής περίθαλψης (πίεση στα νοσοκομεία). Ωστόσο, η μετάδοση του COVID19 έχει δυναμική συμπεριφορά και η πρόβλεψη του αποτελέσματος των πολιτικών/μέτρων είναι δύσκολη και περίπλοκη.
Οι μοντελοποιήσεις με την Bottom-up προσέγγιση, όπως η ABM, μπορούν να προβλέψουν τις επιπτώσεις κατά την εφαρμογή διαφορετικών σεναρίων (μέτρα/πολιτικές) και να εκτιμήσουν τον πιθανό αριθμό νέων περιστατικών COVID19 καθώς και την χωρική τους διασπορά. Επομένως, τέτοιου είδους μοντελοποιήσεις πρέπει να βρίσκονται στην πρώτη γραμμή κατά τη χάραξη δημόσιας πολιτικής αφού βοηθούν τις αρχές να λαμβάνουν πιο ενημερωμένες και πιο πλήρης αποφάσεις.
Με τη χρήση μιας ABM προσομοίωσης, μπορούν να προβλεφθούν τα αποτελέσματα που θα προκύψουν μετά την εφαρμογή συγκεκριμένων πολιτικών όπως η εφαρμογή κανόνων κοινωνικής απόστασης, η αναγκαστική χρήση μάσκας, το κλείσιμο δημόσιων χώρων και η επιβολή lockdown.
Agent-Based Modeling (ABM)
Το μοντέλο πρακτόρων ή αλλιώς το πρακτορικό μοντέλο (Agent-Based Modeling — ABM) βασίζεται στην ιδέα ότι ο κόσμος μπορεί να μοντελοποιηθεί χρησιμοποιώντας αυτόνομους πράκτορες οι οποίοι αλληλοεπιδρούν σε ένα περιβάλλον ακολουθώντας προκαθορισμένους κανόνες και συμπεριφορές. Είναι ένα αντικειμενοστραφές, στοχαστικό, υπολογιστικό μοντέλο, το οποίο είναι ικανό να διεκπεραιώνει δυναμικές προσομοιώσεις.
Πράκτορες (agents) ορίζονται ως αυτόνομες μεμονωμένες οντότητες με ιδιότητες και δράσεις που αλληλοεπιδρούν με άλλους πράκτορες, καθώς επίσης και με το περιβάλλον τους κατά την ψηφιακή προσομοίωση σε υπολογιστή.
Για την κατανόηση της πολυπλοκότητας του φυσικού κόσμου αλλά και για την ανάδειξη μοτίβων (patterns), η λογική του ABM απαιτεί το διαχωρισμό και τη μοντελοποίηση του μελετώμενου φαινομένου και των στοιχείων του σε πολλές και διακριτές μεμονωμένες οντότητες (πράκτορες), οι οποίες ακολουθούν μερικούς απλούς κανόνες αλληλεπίδρασης στο καθορισμένο περιβάλλον (spatial environment or social network).
Ένα μοντέλο ABM αποτελείται από 3 κύρια στοιχεία: 1) τους πράκτορες (agents), 2) το περιβάλλον (environment) και 3) την αλληλεπίδραση (interaction).
Κατά τη μεθοδολογία ABM, η συμπεριφορά των μεμονωμένων πρακτόρων κωδικοποιείται σε -όσο το δυνατό πιο- απλούς κανόνες αλληλεπιδράσης ( πράκτορα-πράκτορα και πράκτορα-περιβάλλον) ώστε στη συνέχεια να παρατηρηθούν μοτίβα/πρότυπα και να αναλυθούν τα αποτελέσματα που προκύπτουν από τις αλληλεπιδράσεις αυτές.
Μοντέλα πρακτόρων χρησιμοποιούνται στους τομείς της Υγείας για την μελέτη ασθενειών και παθήσεων, των Επιχειρήσεων, του Εμπορίου, των οικονομικών και της Αρχαιολογίας. Εκτεταμένες εφαρμογές γίνονται στη μοντελοποίηση της ανθρώπινη κινητικότητας και των μεταφορών (human mobility and transportation) με την βοήθεια των Γεωγραφικών Συστημάτων Πληροφοριών (Geographic Information System — GIS).
Το λογισμικό Netlogo
Από την πληθώρα των διαθέσιμων λογισμικών και εργαλείων, ξεχωρίζει το NetLogo το οποίο δημιουργήθηκε το 1999 από τον Uri Wilensky (Northwestern University).
Έχοντας τη δική του γλώσσα προγραμματισμού, το NetLogo αποτελεί ένα ευρέως χρησιμοποιούμενο περιβάλλον λογισμικού για προσομοιώσεις ABM που έχει μια μεγάλη κοινότητα προγραμματιστών και επιστημόνων. Είναι λογισμικό ανοικτού κώδικα (open-source) και διατίθεται δωρεάν για κατέβασμα.
Κατά τις διαδικασίες των διαφόρων προσομοιώσεων στο NetLogo, οι πράκτορες εξετάζουν τις ιδιότητες τους αλλά και τις ιδιότητες του περιβάλλοντος στο οποίο βρίσκονται ώστε στη συνέχεια να λάβουν μια απόφαση σχετικά με τις ενέργειες που θα κάνουν (agent cognition). Ανάλογα με την επιθυμητή στρατηγική και το ερευνητικό ερώτημα, οι πράκτορες μπορούν να σχεδιαστούν ώστε να δρουν και να αποφασίζουν:
- Mε απλό τρόπο (reflexive)
- Mε τρόπο που να μεγιστοποιούν την χρησιμότητα τους (utility-based)
- Με τρόπο που να πετυχαίνουν ένα στόχο (goal-based)
- Με προσαρμοστικό (adaptive) τρόπο, αλλάζοντας τις αποφάσεις και τις στρατηγικές τους με βάση εμπειρίες του παρελθόντος
Έχοντας πάνω από 1,000 NetLogo models, το ModelingCommons αποτελεί μια κοινότητα/φόρουμ όπου χρήστες μπορούν να δημοσιεύουν και να ανταλλάζουν ιδέες και απόψεις.
Επιδημιολογίκα ABM για τη λήψη αποφάσεων
Μετά την εμφάνιση της πανδημίας του κορονοιού, πολλές επιστημονικές μελέτες χρησιμοποιήσαν την προσέγγιση ABM προκειμένου να κατανοήσουν καλύτερα το φαινόμενο αυτό. Πρόσφατα, ABMs όπως το CovidSim από τον επιδημιολόγο Neil Ferguson (Imperial College London), έχουν αποδειχθεί χρήσιμα για την εκτίμηση (μη φαρμακευτικών) παρεμβάσεων στη δημόσια υγεία, κατά της εξάπλωσης του SARS-CoV-2. Άλλα παραδείγματα που αξιοποιούν το μοντέλο πρακτόρων είναι τα OpenABM-Covid19 και OpenCOVID.
Αν και έχουν επικριθεί για τις απλουστευμένες και μη ρεαλιστικές υποθέσεις και παραδοχές τους, έχει παρατηρηθεί πως τα επιδημιολογικά ABM είναι εξαιρετικά χρήσιμα εργαλεία στη λήψη αποφάσεων (decision making) στις περιπτώσεις όπου τα ABM είναι βαθμονομημένα με ακρίβεια.
Ακόμη ένα πολύ καλό παράδειγμα για εκπαίδευση και πειραματισμό αποτελεί το μοντέλο “epiDEM Travel and Control”, το οποίο βρίσκεται στη βιβλιοθήκη μοντέλων (models library) του λογισμικού NetLogo. Mαθητές και φοιτητές μπορούν να πειραματίζονται, παρακολουθώντας τι συμβαίνει καθώς οι πράκτορες συναντούν ο ένας τον άλλον και να συγκρίνουν τα διάφορα αποτελέσματα που προκύπτουν όταν μεταβάλλουν τις παραμέτρους του μοντέλου (πχ. ‘average recovery time’, ‘average isolation tendency’).
H διδακτορική έρευνα του κ. Φίλιππου Φαγιάτ με θέμα την “Επιδημιολογική Παρακολούθηση με τη Χρήση Γεωπληροφορικής” γίνεται στο Τεχνολογικό Πανεπιστήμιο Κύπρου (ΤΕΠΑΚ) υπό την επίβλεψη του καθηγητή Φαίδωνα Κυριακίδη και εστιάζεται στην αξιοποίηση και περαιτέρω ανάπτυξη συναφών μεθόδων χωρικής ανάλυσης και μοντελοποίησης της εξάπλωσης του ιού COVID19 στην Κύπρο. Ειδικότερα, επιχειρείται η χρήση των παραπάνω μεθόδων για την καλύτερη κατανόηση της σημασίας της ανθρώπινης κινητικότητας στη χωρική και χρονική κατανομή των κρουσμάτων της νόσου COVID-19 και κατ’ επέκταση για την αποτελεσματικότερη αντιμετώπιση της πανδημίας, στην Κύπρο.
Η έρευνα έχει λάβει χρηματοδότηση υπό την μορφή υποτροφιών από το Ίδρυμα Κρατικών Υποτροφιών Κύπρου (ΙΚΥΚ) καθώς και από το Ίδρυμα Σύλβιας Ιωάννου.
Για περισσότερα μπορείτε να επισκεφθείτε την ιστοσελίδα της διδακτορικής έρευνας: https://epimogeo-covid.cut.ac.cy
Σχετικές δημοσιεύσεις
- Fayad, P. and Kyriakidis, P.: The geography of Covid-19 spread in Cyprus: A spatiotemporal analysis of the outbreak and the vaccination strategy followed, EUROGEO conference. University of the Aegean, Mytilene, Lesvos Island (Greece) May 5–6, 2022.
- Kyriakidis, P., Kavroudakis, D., Fayad, P., Hadjipetrou, S., Leventis, G., and Papakonstantinou, A.: Promoting the adoption of agent-based modelling for synergistic interventions and decision-making during pandemic outbreaks, AGILE GIScience Ser., 2, 44, https://doi.org/10.5194/agile-giss-2-44-2021, 2021.
- Κυριακίδης, Φ., Καβρουδάκης Δ., Παπακωνσταντίνου, Α., Χατζηπέτρου, Σ., Λεβέντης, Γ., Φαγιάτ, Φ.: Ο ρόλος της γεωχωρικής μοντελοποίησης και προσομοίωσης στη συνεργατική λήψη αποφάσεων σε πανδημίες, 11o Πανελλήνιο Συνέδριο HellasGIS, 2020. [RG]
