Wiener Physiker präsentieren System für besseres Pandemie-Management

Wiener Physiker präsentieren ein System, das einen Beitrag zu einer Verbesserung des Pandemie-Management leisten soll.
Wiener Physiker präsentieren ein System, das einen Beitrag zu einer Verbesserung des Pandemie-Management leisten soll. ©pixabay.com (Symbolbild)
Wiener Physiker präsentieren im Fachblatt "Plos One" ein System, das zu einer Verbesserung des Pandemie-Managements beitragen soll. Grundlage des Systems soll der Einsatz von maschinellem Lernen sein.

Der Ansatz erlaube es, etwa Vorgaben zu politisch gewünschten Lockdown-Szenarien zu machen, und der mit Methoden der Künstlichen Intelligenz (KI) arbeitende Computer spuckt Lösungen aus, wie die Covid-19-Zahlen möglichst niedrig gehalten werden. Angewendet wird das System allerdings noch nicht.

Physiker von Universität Wien involviert

In einer Pandemie greifen viele Faktoren auf recht unübersichtliche Art und Weise ineinander: So stellt sich etwa die Frage, wie sich welche der zahlreichen Maßnahmen zur sozialen Distanzierung bei welcher Infektionslage tatsächlich auswirken. Dazu kommen viele Fragezeichen zu den Auswirkungen der Impf-Kampagne, die saisonalen Effekte oder die Reisetätigkeit. Letztlich geht es für Entscheidungsträger auch darum, die besonders unbeliebten Lockdowns möglichst hintanzuhalten.

Das Team um Miguel Navascués vom Institut für Quantenoptik und Quanteninformation (IQOQI) der Österreichischen Akademie der Wissenschaften (ÖAW) in Wien sowie Kollegen von der Universität Wien haben sich an die Entwicklung eines mathematischen Modells gemacht, mit dem ein derart komplexes Problem möglichst optimal gelöst werden kann. Die Physiker begreifen die Pandemiebekämpfung in ihrem Ansatz als "Optimierungsproblem". Auf Basis maschinellem Lernens sucht der Rechner also nach dem jeweils passendsten Ergebnis. Das lasse sich mit der Suche nach dem tiefsten Punkt in einer Landschaft vergleichen, deren Höhen aus verschiedenen fatalen hypothetischen Pandemieverläufen bestehen, so Navascués am Donnerstag in einer Aussendung der ÖAW.

Szenario soll unter anderem Lockdowns umfassen

Im Modell könne man etwa als Zielwert definieren, dass die Kapazitäten an Intensivbetten in einem Land nicht überschritten werden. Dann erhalte man als Lösung ein aus Lockdowns, anderen Eindämmungsmaßnahmen und Impfkampagnen zusammengesetztes Szenario. "Das kann sehr kompliziert sein, mitunter mit sehr vielen kurzen Lockdowns und Distanzierungsphasen, verteilt über einen längeren Zeitraum", so der Wissenschafter.

An die politische Realität lasse sich das automatische Beratungstool anpassen, indem man etwa als Vorgabe die Regel ausgibt, dass man mit einer bestimmten Anzahl an Lockdowns auskommen muss. Navascués: "Die Computer finden kreative Lösungen. Bei einer Beschränkung der Lockdowns auf maximal fünf zeigt sich etwa, dass die beste Strategie in solchen Fällen mit vier Lockdowns auskommt."

Physiker von ÖAW in Wien: Zugang zu Daten nicht vorhanden

Für die Forscher kann ihr System eine Alternative zu den bisher auf Expertenurteilen und der politischen Wetterlage beruhenden Entscheidungen bieten. Der Ansatz sei auch auf andere Probleme abseits von pandemischen Szenarien anwendbar. Man liefere allerdings lediglich eine Methode, die die Realität entsprechend eingeschränkt abbildet, und auf dieser Basis Empfehlungen abgibt.

Auf die aktuelle Situation in Österreich konnten die Wissenschafter ihre Entwicklung noch nicht anwenden, da der Zugang zu notwendigen Daten fehle, wie Navascués der APA mitteilte. Der Ansatz könnte aber in Kombination mit hoch entwickelten mathematischen Modellen, wie etwa jenem der Gruppe um den Simulationsforscher Niki Popper von der Technischen Universität (TU) Wien und dem TU-Spin-off dwh, kombiniert werden, meinte der Physiker.

(APA/Red)

  • VIENNA.AT
  • Wien
  • Wiener Physiker präsentieren System für besseres Pandemie-Management
  • Kommentare
    Kommentare
    Grund der Meldung
    • Werbung
    • Verstoß gegen Nutzungsbedingungen
    • Persönliche Daten veröffentlicht
    Noch 1000 Zeichen