Hoe kunnen data en AI ons helpen om bron- en contactonderzoek efficiënt en effectief aan te pakken?

Contactonderzoek wordt gezien als een van de belangrijkste onderdelen van het indammen van de verspreiding van het coronavirus. Dit vereist een enorme menselijke inspanning, die om betrouwbare en effectieve technologische ondersteuning vraagt. Het combineren van bestaande databronnen kan sneller en beter inzicht geven in uitbraken op lokaal niveau, terwijl de privacy gewaarborgd blijft. Technologieën als crowd computing kunnen de tijd die een GGD medewerker besteedt aan contactonderzoek verkorten. En inzicht in dark data leert ons welke essentiële data we missen om het contactonderzoek betrouwbaar en efficiënt te maken.

Contactonderzoek met behulp van verkeers- en transportdata

Verkeers- en transportdata zijn een belangrijke bron van informatie voor het begrijpen, voorspellen en voorkomen van de verspreiding van het coronavirus. We kunnen ermee kijken naar reispatronen en locaties waar veel mensen samenkomen. Met behulp van geavanceerde detectietechnieken kunnen we bijvoorbeeld de functionaliteit van apps verbeteren. Geavanceerde simulatiemodellen kunnen helpen om de impact van maatregelen tegen virusverspreiding in bijvoorbeeld openbaar vervoer, taxi's of vraaggestuurd vervoer in kaart te brengen.

Data voor effectieve besluitvorming in de transitiefase

Tijdens de intelligente lockdown werden landelijke maatregelen door de overheid afgekondigd, gebaseerd op gegevens over gemelde infecties, ziekenhuisopnames en sterftecijfers; gegevens die vaak onvolledig waren of met vertraging werden gerapporteerd. Voor de volgende fase van de coronacrisis zal het beleid veel meer moeten worden afgestemd op lokale schaal en specifieke sectoren. Welke regio's, steden, buurten of straten kunnen open? Welke scholen, verpleeghuizen of treinstations? En hoe snel en voor hoe lang? Voor effectieve besluitvorming is accuraat, lokaal inzicht nodig in de virusverspreiding.