根据加州理工学院科学家发表的新研究，用于天气预报的技术可以被重新利用，为个人提供暴露于COVID-19或其他病毒风险的个性化评估。
原理上，这个想法很简单:天气预报模型需要吸收大量数据——例如，除了卫星数据之外，还需要从当地气象站获得风速、风向、温度和湿度的测量数据。他们利用这些数据来评估大气的当前状态，预测未来的天气演变，然后通过将预测的大气状态与新数据混合来重复这个循环。同样，疾病风险评估还利用各种类型的现有数据对个人接触疾病或感染疾病的风险进行评估，使用流行病学模型预测疾病在人类接触网络中的传播，然后通过将预测与新数据混合在一起重复这个周期。这种评估可能会使用机构的监测测试结果、可穿戴传感器的数据、智能手机记录的自我报告症状和密切接触者，以及政府的相关报告。
目前研究只是概念的证明。然而，其最终结果将是一款智能手机应用程序，该应用程序将向个人提供经常更新的数字评估(即百分比)，反映他们接触或感染特定传染病病原体(如COVID-19)的可能性。这种应用程序将类似于现有的COVID-19暴露通知应用程序，但在数据使用方面更复杂和有效。这些应用程序提供双重曝光评估(“是的，你有被感染风险”，如果没有，就保持无线电静默);研究中描述的新应用程序将提供更微妙的理解，随着个人与他人的接触，以及感染数据通过不断进化的联系网络传播，暴露和感染的风险不断变化。
这项研究目前面临两个关键挑战:为此目的调整天气预测方法，并开发一个现实的测试平台来评估其工作效果。
为了测试它，研究团队连同德国法兰克福金融管理学院的研究者建立了一个虚拟城市的计算机模型——一个缩小的理想化的纽约市——有10万个“节点”，或虚构的人，然后研究适应性的天气预报方法在预测疾病在人口中的传播方面的效果如何。
结果令人鼓舞:在模拟中，该模型识别出的潜在暴露量是使用相同数据的传统接触追踪或暴露通知应用程序识别出的潜在暴露量的两倍。
尽管取得了这些有希望的结果，但在现实世界中实施这项技术需要适当水平的智能设备用户，以及有效的测试活动，以使风险评估软件能够用于管理和控制流行病。如果某一特定人群中约75%的人提供了相关信息(例如，他们是否检测出某种疾病呈阳性)，并在可能接触过某种疾病时进行自我隔离，那么风险评估软件就足够准确，可以在整个人群中管理和控制COVID疫情。然而，正如COVID-19疫苗接种率所表明的那样，如此大比例的人口难以接受。
尽管如此，一个有希望的方案是，由较小的社区用户群体——例如大学校园的人口——部署软件，可以很容易地为软件提供足够的数据，以提供准确的风险评估，从而在当地减少疾病的传播。
