Europese subsidie voor Delfts onderzoek naar virusverspreiding

De Europese Unie kent de Delftse netwerkwetenschapper Piet Van Mieghem een ERC Advanced Grant toe. Deze subsidie (van tweeënhalf miljoen euro) is ingesteld om baanbrekend en risicovol onderzoek te stimuleren en gaat veelal naar academici die – binnen hun eigen vakgebied – een behoorlijke staat van dienst hebben. Met zijn onderzoek hoopt Van Mieghem antwoord te krijgen op de vraag waarom het de westerse wereld niet gelukt is om de verspreiding van het coronavirus in te dammen. 

Een onderzoeksvraag die Van Mieghem, TU Delft hoogleraar Network Science, op het lijf geschreven is. Van Mieghem: ‘De afgelopen jaren heb ik de verspreiding van epidemieën, binnen een netwerkstructuur, bestudeerd aan de hand van eenvoudige modellen. Het coronavirus zorgde er echter voor dat theoretische inzichten opeens praktijk werden.’

Tekortkomingen

Volgens Van Mieghem heeft de allesverzengende pandemie een aantal tekortkomingen binnen de traditionele epidemiologie aan het licht gebracht. Van Mieghem legt uit: ‘Als je puur vanuit de fysica naar de verspreiding van een epidemie kijkt, dan worden er al gauw twee even belangrijke processen zichtbaar: het virale proces, de manier waarop het virus van A naar B springt. En het menselijk gedrag, de manier waarop A en B contact maken. De afgelopen tijd is het virale proces secuur in kaart gebracht. We hebben redelijk nauwkeurig kunnen meten wat de virustransmissiekans is, als functie van de afstand A en B. Bovendien begrijpen we hoe lang A en B dicht genoeg bij elkaar moeten blijven om voldoende virusjes te kunnen laten overspringen. Je wordt namelijk ziek als de dosis van virusdeeltjes in je lichaam voldoende groot is. Op het moment dat A en B dicht én lang genoeg met elkaar in contact zijn, is er aan de voorwaarden voor een succesvol viraal contact voldaan.’

Meetgegevens

Toch is volgens Van Mieghem bijna alle aandacht uitgegaan naar slechts een stukje van de fysica. ‘En dat terwijl we, vanuit de Network Science, juist die dynamische processen in grafen – netwerktopologieën (hoe knooppunten binnen een netwerk gerangschikt en met elkaar verbonden zijn) – bestuderen. Neem als voorbeeld een tijdsvariërende contactgraaf. Zo’n graaf leid je af door na te gaan waar personen zich, gedurende een korte tijdspanne, hebben bevonden. In het geval van COVID-19 is daar nauwelijks naar gekeken: om dat goed te kunnen, moet je namelijk over veel meetgegevens beschikken; en die gegevens zijn maar lastig te verkrijgen.’

App

Een mobiele applicatie zou hierin uitkomst kunnen bieden, stelt Van Mieghem. ‘Iedereen heeft tegenwoordig een mobieltje. Dat betekent dat je locatie altijd, tot op ongeveer honderd meter nauwkeurig, bekend is bij je telecomprovider. En wat te denken van al die klantgegevens die verzameld worden, en waar adverteerders handig op inspringen? Bijna niemand maakt bezwaar tegen dergelijke datavergaring. Tóch wordt privacy regelmatig gebruikt als argument tegen apps die ons meer kunnen vertellen over waar het virus zich bevindt. Die houding verandert vaak pas op het moment dat het leed heel dichtbij gekomen is – als de verwoestende gevolgen inzichtelijk zijn geworden. Waarom is het tijdelijk opslaan van locatiegegevens, tot op enkele meters nauwkeurig, in goed afgeschermde datacenters – en strikt en alleen bestemd – voor berekeningen van coronabesmettingen geen optie?’

Markoviaans

Hoe een virus zich procesmatig verspreidt, legt Van Mieghem uit, is meestal beschreven met een kansmodel. Zo’n model wordt in de praktijk gebruikt voor het simuleren en analyseren van systemen of fenomenen waarvan de toestand geheel of gedeeltelijk van het toeval afhangt. Denk bijvoorbeeld aan de kans op wolkenvorming of, in de financiële wereld, wanneer aandelen voordelig te kopen of verkopen. Het klinkt dan ook logisch om het coronavirus via kansmodellen in kaart te brengen. Vanuit de kansrekening wordt er vaak gebruik gemaakt van een Markovproces: een stochastisch proces (een opeenvolging van toevallige uitkomsten) waarbij de huidige kans enkel afhangt van de vorige toestand waarin het proces zich bevond. 

Van Mieghem: ‘Naast lineariteit is een geweldige Markoviaanse eigenschap dat de tijd tussen twee opeenvolgende procestoestanden exponentieel verdeeld is. Maar wat blijkt? Dit gaat niet op voor het coronavirus. Als je kijkt naar het coronavirus, dan zie je dat de graad van besmettelijkheid niet constant is, en zelfs varieert tijdens het hele ziekteproces. Markoviaans denken lijkt dus niet van toepassing op corona, en dus is er een nieuwe theorie nodig.’

Niet-Markoviaans

Door inzicht te krijgen in hoe het virus zich verspreidt, en hoe het virus schade berokkent, kun je dus een heel eind komen. Maar wat de Delftse netwerkwetenschapper met de toegekende ERC Advanced Grant van plan is, gaat nog een stukje verder dan alleen dat. Van Mieghem: ‘Het afgelopen decennium heb ik Markoviaanse modellen leren begrijpen, en wat zo’n model zegt over het verloop van een epidemie binnen een specifiek netwerk. Omdat COVID-19 zich zó anders gedraagt, wil ik een nieuwe theorie ontwikkelen, namelijk die van niet-Markoviaanse epidemische processen binnen netwerken. Op basis van de eigenschappen van de infectie- en geneestijd van het virus, hoop ik te kunnen vertellen hoe lang een pandemie zal duren en wanneer er een piek optreedt. Vervolgens zal ik alle beschikbare meettechnieken combineren om de best mogelijke tijdsvariante contactgrafen te construeren. En tot slot hoop ik iets te kunnen zeggen over hoe nauwkeurig een infectie kan worden voorspeld.’ Met al deze bevindingen – die gebundeld worden onder de naam ViSioN – hoopt Van Mieghem toekomstige epidemieën dus te kunnen voorspellen, beheersen en controleren. 

Slimme Netwerken

Van Mieghem is overigens niet de enige wetenschapper van de TU Delft met een ERC Advanced Grant. Ook Bart de Schutter (faculteit Werktuigbouwkunde, Maritieme Techniek en Technische Materiaalwetenschappen – 3ME) krijgt er eentje. De Schutter richt zich op de aansturing van complexe grootschalige netwerken. De Schutter: ‘Een specifiek voorbeeld zijn (toekomstige) smart energy grids, waarin je te maken krijgt met een ingewikkelde lokale combinatie van energieopwekking, opslag en energieverbruik. Je wil in zo’n systeem dat de lokale energieopwekking zoveel mogelijk overeenkomt met het lokale energieverbruik. Een simpel voorbeeld is een wasmachine die pas aanslaat als het energieverbruik in het systeem laag is.’ Naast slimme energienetwerken zullen we in de toekomst ook steeds meer te maken krijgen met slimme transportnetwerken. De online aansturing van dit soort grote en complexe netwerken is echter nog verre van optimaal. Onderzoeker Bart De Schutter wil dit probleem de komende vijf jaar aanpakken.