Les outils mathématiques contribuent à la lutte contre la crise pandémique
Dans un monde globalisé, une maladie peut rapidement passer de l’épidémie locale à une véritable pandémie, comme l’a montré la pandémie de COVID-19. Depuis le début de la pandémie, les outils de modélisation mathématique ont joué un rôle important dans la compréhension du mode de propagation de la maladie et dans la mesure de l’efficacité des divers efforts d’atténuation. Prenons par exemple le projet CAOS, financé par l’UE. Entrepris avec le soutien du programme Actions Marie Skłodowska-Curie, le projet visait à mieux comprendre les conditions à l’origine de la propagation rapide de la pandémie et à évaluer les stratégies de confinement et d’atténuation. «En utilisant la COVID-19 comme étude de cas, nous avons entrepris de caractériser la nature du processus complexe et stochastique de propagation des épidémies dans les réseaux de contact», explique Bo Li, scientifique à l’université d’Aston et chercheur du projet CAOS. «Nous avons mis l’accent sur la période pendant laquelle un individu est pré-symptomatique mais déjà infectieux, ce qui, avec la connectivité humaine, explique en grande partie pourquoi la maladie a pu se propager si rapidement avant d’être largement prise en compte», ajoute David Saad, professeur à l’université d’Aston et coordinateur du projet CAOS.
Stratégies d’atténuation et essais
Pour mener à bien cette étude, Bo Li et David Saad se sont largement appuyés sur des techniques avancées issues des mathématiques et de la physique théorique. «Ces techniques analytiques nous ont permis de développer des algorithmes efficaces et précis pour résoudre des modèles complexes de propagation d’épidémies et pour donner un aperçu de l’efficacité de diverses stratégies de confinement et d’atténuation», note David Saad. Simultanément, des idées issues de la théorie de l’information se sont avérées utiles pour résoudre les crises de ressources pendant la pandémie. Par exemple, au lieu de la stratégie des tests individuels largement utilisée pendant l’épidémie de COVID-19, les chercheurs ont préconisé l’utilisation de tests de groupe comme alternative plus efficace. Également appelé «pooling», ou regroupement, le test de groupe combine des échantillons de plusieurs individus en un regroupement, qui est ensuite testé à l’aide d’un seul test par regroupement. «L’utilisation de tests de groupe pourrait entraîner une augmentation significative de la capacité de test», fait remarquer Bo Li. «Cela permettrait donc aux gouvernements d’élargir les ressources de test, en nombre insuffisant durant les premiers stades de la pandémie de COVID-19, ce qui a contribué à sa propagation rapide.» Grâce à une collaboration avec un laboratoire de tests de l’université de Birmingham, les chercheurs ont vérifié l’efficacité des tests de groupe pour la détection de la COVID-19. La solution a depuis été présentée à l’équipe britannique d’innovation en matière de diagnostic de la COVID-19 pour examen, bien qu’elle n’ait finalement pas été adoptée pour une utilisation pratique au Royaume-Uni.
Impact sur d’autres systèmes
Le projet ne s’est pas contenté d’aborder certaines caractéristiques de la pandémie: il a également démontré comment l’utilisation de méthodes mathématiques avancées pouvait aider à évaluer et à atténuer l’impact de la pandémie sur, par exemple, les services de santé et les chaînes d’approvisionnement. «Le potentiel de l’épidémie qui se propage, en termes de déclenchement de réactions en avalanche dans des systèmes parallèles et en interaction, doit également être soigneusement examiné et compris», ajoute David Saad. «Les modèles mathématiques et les outils théoriques nous placent dans une meilleure position pour évaluer, prévoir et contenir tous les aspects de l’épidémie», conclut Bo Li. Il est intéressant de noter que ces outils théoriques complexes ne sont pas seulement utiles dans une discipline. Les chercheurs ont également constaté qu’ils étaient applicables à d’autres systèmes complexes, comme l’analyse des machines à apprentissage profond et la résolution de problèmes d’optimisation complexes à deux niveaux.
Mots‑clés
CAOS, outils mathématiques, modélisation mathématique, pandémie, COVID-19, maladie, épidémie