信用:Jamani Caillet (EPFL)
与EPFL的一项国际合作开发了一种方法，通过考虑用户最近的接触、风险水平以及关于测试和症状的共享信息，来提高新冠肺炎联系人追踪应用的性能
像SwissCovid这样的联系人追踪应用程序在减缓新冠肺炎大流行的传播方面有着巨大的潜力
用户可以通过这些应用追踪他们之间的联系，并估计他们接触到新型冠状病毒冠状病毒感染者的可能性
如果有，应用程序会发出通知
可以理解的是，接触追踪技术已经提出了许多伦理和隐私问题，所有这些都与保护公众健康的需要相权衡
尽管如此，在优化联系人追踪应用程序的性能和准确性方面的努力相对较少，尽管它们在应对大流行方面具有巨大潜力
现在，科学家合作开发了一种统计方法，可以通过考虑用户最近的接触、风险水平以及关于测试和症状的共享信息来提高接触追踪应用的性能
这项研究发表在PNAS，由EPFL、义大利和法国的科学家进行
科学家们使用贝叶斯统计来计算事件的概率
在这里，他们使用这种方法来估计个人被感染的风险，基于他们的内在风险程度，他们最近接触者的名单和这些接触者的估计风险水平
该研究的主要作者之一、EPFL基础科学学院和计算机与通信科学学院的蕾恩卡·兹德布劳瓦教授说:“我们想量化，如果最近接触过的用户也能交换信息，我们会获得什么样的流行病学收益。”
“通过添加简单的信息传递，我们可以比简单的接触追踪更准确地估计感染新冠肺炎病毒的风险
" 科学家们的数学方法很快转变成完全分布式的算法，只在最近接触过的人之间的交流中起作用
通信可以完全加密和匿名，因此它可能符合未来的隐私法规
科学家们测试了他们的“概率风险”方法，发现这是缓解像新冠肺炎这样的流行病的有效方法
当然，这种方法在疫情期间效果最好，通常是在人工追踪感染者的所有接触者变得几乎不可能之后，但在感染者的比例达到锁定不可避免的程度之前
但是，由于这种概率风险估计可以提高接触追踪技术的性能，足以在流行病或大流行的早期产生真正的影响，作者根据他们的数据建议开发人员应该考虑在他们的应用程序中实现它
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
