L'IA può prevedere la diffusione di una malattia infettiva in una città usando solo dati di mobilità anonimizzati ?

Gli ufficiali della sanità pubblica fanno sempre più affidamento su modelli basati sui dati per anticipare le epidemie, ma molti richiedono dati personali sensibili o simulazioni complesse. Una recente capacità dell'IA prevede la diffusione delle malattie infettive utilizzando dataset anonimi di modelli di movimento umano. L'IA deve tenere conto delle variazioni di comportamento, densità della popolazione e fattori ambientali per produrre previsioni altamente accurate e fruibili.

I sistemi di IA possono ora stimare la diffusione delle malattie dai dati di mobilità anonimi trattando gli spostamenti come vettori di trasmissione ed eseguendo simulazioni Monte Carlo su reti di contatto dedotte da tracce di localizzazione. Modelli come Epifcast, Epigram e approcci di deep learning che combinano reti neurali grafiche con embedding di mobilità riportano errori assoluti mediani intorno al 3–8 % per previsioni di incidenza settimanale in città come Boston e Singapore, superando i modelli di riferimento basati su gravità e radiazione. Questi metodi si basano tipicamente su dati aggregati di localizzazione da telefoni cellulari piuttosto che su traiettorie grezze, applicando privacy differenziale o k-anonimato per preservare l’anonimato mantenendo modelli di mobilità a grana grossa.

— Aggiornato il 13 maggio 2026 · Fonte: Nature Communications — https://www.nature.com/articles/s41467-023-38814-1