Schwarzweiß-Foto einer Hand, die einen kleinen Globus mit einer Mund-Nasen-Maske hält.
Bildrechte: Colourbox.com

Experten wollen mit Hilfe von Bewegungsdaten auf Smartphones die Verbreitung eines Virus weltweit vorhersagen.

Per Mail sharen
Artikel mit Bild-InhaltenBildbeitrag

Kann man eine Virus-Verbreitung mit Handydaten vorhersagen?

Vor einem Jahr konnte sich keiner vorstellen, wie schnell sich das Coronavirus auf der Welt ausbreiten würde. Forscher arbeiten mit Hilfe von Künstlicher Intelligenz an Vorhersagen zur Virus-Verbreitung, die auf Smartphone-Daten basieren.

Am 27. Januar 2020 kam ein 33-jähriger Mitarbeiter eines Autozulieferers aus Bayern ins Tropeninstitut München. Er war der erste Covid-19-Fall in Deutschland. Sehr wahrscheinlich hat er sich bei einer chinesischen Kollegin angesteckt, die erst nach ihrer Rückkehr Symptome entwickelte. Dann war am Anfang der Pandemie vor allem der Kreis Heinsberg stark betroffen. Als Ursprung gilt eine Karnevals-Veranstaltung.

Eine BR-Recherche hat ergeben, wie Skifahrer und Winterurlauber aus dem österreichischen Ischgl das Virus parallel in ganz Deutschland und Europa verteilten. Die Kollegen konnten den Verlauf vor allem mit Hilfe von Social-Media-Inhalten nachstellen. Wie aber würde sich eine Pandemie verändern, wenn man die Verbreitung vorhersagen könnte?

  • Wie sich das Coronavirus von Ischgl nach ganz Europa ausgebreitet hat

Kaum Wissen über SARS-CoV-2

Bis diese Frage beantwortet werden kann, ist es noch ein langer Weg. Die Schwierigkeit besteht vor allem darin, dass SARS-CoV-2 ein neuartiges Virus ist, das man nicht kannte. Weder seine Eigenschaften, noch seine Ansteckungsgefahr oder die Verbreitungsrate. Aber wie schaut es mit Viren aus, die man besser kennt? Zum Beispiel dem Influenza- bzw. Grippe-Virus?

Wie funktioniert Machine-Learning?

Dem haben sich Adam Sadilek, Technischer Leiter bei Google Research, und seine Kollegen angenommen. Sie setzen sich mit Künstlicher Intelligenz auseinander - im Speziellen mit dem “Machine-Learning” (zu deutsch: maschinelles Lernen). Das ist ein Teilgebiet der Künstlichen Intelligenz, bei dem ein künstliches System, hier Computer, selbstständig auf Grund von Erfahrungen lernt und seine Algorithmen weiterentwickelt und verallgemeinert. Man füttert einen Rechner mit Daten, der erkennt darin Muster und erstellt eigenständig Ergebnisse.

Vorhersagen über Verbreitung des Grippe-Virus

Die Experten wollen die Verbreitung des Grippe-Virus vorhersagen. Die Grippe ist eine Infektionskrankheit, die von Mensch zu Mensch weitergegeben wird. Jedes Jahr sterben noch immer viele Menschen an der Krankheit. Die Saison 2017/2018 war in Deutschland besonders schlimm. Das ist nicht nur eine immense Belastung für das Gesundheitssystem, sondern bringt auch viele Tote mit sich. In der Ausreißer-Saison gab es etwa 25.000 Grippe-Tote - ein ungewöhnlich hoher Wert. Ein Treiber von Infektionskrankheiten - wie wir es jetzt auch am Coronavirus sehen - ist die Mobilität. Es gibt bereits verschiedene Modelle, um Bewegungsmuster von Menschen zu erstellen. Auch, um sie vorherzusagen. Doch die sind nicht perfekt.

Bisherige Modelle zu ungenau

Oft wird mit Umfragen und Studien zum Pendler-Verhalten gearbeitet. Solche Erhebungen sind allerdings teuer, brauchen viel Zeit und stehen nicht in genügendem Umfang zur Verfügung. Ähnlich verhält es sich mit datenbasierten Modellen, die die Interaktionen von Mensch zu Mensch nicht genügend einbeziehen, die bei einer Infektionskrankheit aber eine wichtige Rolle spielen. Sie sind teilweise zu ungenau, nicht detailliert genug, nicht aktuell und haben meist eine geringe Reichweite. Vorhersagen werden aber immer wichtiger - auch für Entscheidungsträger, Politiker und die Gesundheitssysteme. Daher war das Ziel, eine aktuelle Verbreitung von Infektionskrankheiten weltweit mit Bewegungsmustern vorherzusagen.

    Standortbasierte Daten auslesen

    Denn könnte man die Ausbreitung einer Infektionskrankheit vorhersagen, könnten besser Maßnahmen ergriffen werden. Für die Studie galt die These, dass je mehr Menschen sich bewegen - und dadurch soziale Kontakte haben - sie umso mehr die Krankheit verbreiten. Dafür wurden mehrere Millionen Smartphone-Daten gesammelt und ausgewertet. Die Forscher haben sich dabei auf Android-Handys fokussiert, bei denen der Standortfreigabe zugestimmt wurde. In der Voreinstellung ist sie ausgeschaltet. Die Daten wurden anonymisiert, so dass keine persönlichen Bewegungsmuster nachgestellt werden konnten. Die erhobenen Daten kann man sich ähnlich vorstellen wie die, die Google nutzt, um anzuzeigen, zu welcher Uhrzeit ein bestimmter Ort - wie beispielsweise ein Restaurant - besonders häufig besucht wird.

    Grippe-Saison in New York City und Australien

    Sadilek und sein Team nennen ihr Modell kurz AMM (englisch: machine-learned anonymized mobility map), also eine anonymisierte Mobilitätskarte, die auf maschinellem Lernen beruht. Um zu überprüfen, ob ihre Vorhersagen stimmen, glichen sie sie mit bereits eingetretenen Ereignissen ab. Daher entschieden sie sich für eine rückwirkende Vorhersage der Grippe-Verbreitung in New York City zur Saison 2016/2017 und in Australien 2016. Sie nahmen New York City, weil dafür detaillierte Daten zum Abgleich zur Verfügung stehen wie Anzahl der Arztbesuche wegen Grippe und die Positiv-Test-Rate. Um zu zeigen, dass Bewegungsdaten von Handys auch weltweiten Einsatz finden können, wählten sie im Anschluss Australien aus. Das Land bietet einen guten Gegensatz; es hat eine weniger starke Infrastruktur, die Entfernungen sind größer, die Population geringer, die Grippe-Saison ist auf der südlichen Halbkugel zu einem anderen Zeitpunkt und es gibt eine gute Datenlage.

    Vergleich der Modelle während Saison

    Ihre Vorhersagen verglichen die Experten mit drei anderen, bisher gängigen Modellen zur Mobilitäts-Vorhersage. Dabei wurden jeweils verschiedene Punkte der Influenza-Saison ausgewählt: der Beginn, einzelne Höhepunkte und das Ende. Die Modelle entwickeln sich mit dem Verlauf der Ausbreitung weiter. Sie erwarten den Höhepunkt zu Beginn recht schnell, aber durch das maschinelle Lernen passen sich die Ergebnisse an, so dass sich der Höhepunkt mit dem Verlauf verschiebt.

    Handy-Daten bergen Potential

    AMM konnte die Verbreitung exakt vorhersagen, lag mit zwei Modellen gleichauf, funktionierte besser als das dritte Modell. Der Vorteil ist, dass Bewegungsmuster über den Handy-Standort auch über Landesgrenzen hinweg funktionieren. Ein wichtiger Faktor, denn eine Krankheit macht nicht an der Grenze halt. Ähnliche genaue Ergebnisse wurden bisher mit Gesprächsprotokollen am Handy erzielt, die aber abhängig vom Anbieter sind und dann eben meist nicht über die Landesgrenze hinaus gehen.

    Offene Fragen

    Doch auch standortbasierte Mobilitätsdaten haben ihre Grenzen. Bei einzelnen “Trips”, in die die Forscher ihre Daten heruntergebrochen haben, ist nicht erkennbar, wie lange der soziale Kontakt anhielt. Wie wir beim Coronavirus gelernt haben, spielt die Dauer und Nähe eine große Rolle bei der Übertragung von Infektionskrankheiten. Und da alle Daten anonymisiert sind, kann auch nicht herausgefunden werden, welche Art von Menschen sich bewegen. Sind das Anwohner, die immer an ähnlichen Orten verweilen oder beispielsweise Touristen, die tendentiell größere Bewegungsmuster aufweisen? Zusätzlich gilt zu bedenken, dass vor allem Kinder und ältere Menschen keinen Zugang zu Smartphones haben oder sie nicht (richtig) nutzen, so dass das Bild verzerrt werden kann.

    Nutzung von Handy-Daten in Deutschland

    Auch in Deutschland werden bereits anonymisierte Handy-Daten ausgelesen - gerade jetzt in der Corona-Pandemie können Experten so sagen, wie sich die Mobilität der Deutschen im Lockdown ändert. Auf der Seite des Statistischen Bundesamts findet sich die Erklärung:

    “Mobilfunkdaten können einen Hinweis darauf geben, wie stark sich das Mobilitätsverhalten der Bürgerinnen und Bürger in sogenannten Corona-Hotspots nach Inkrafttreten von Beschränkungsmaßnahmen zur Eindämmung der Covid-19-Pandemie verändert. Dahinter steht die Annahme, dass mit einer Verringerung der Mobilität auch die Anzahl sozialer Interaktionen und somit die Ansteckungsgefahr zurückgehen.” Statistisches Bundesamt

    Mobilität während Corona-Lockdown

    Das Statistische Bundesamt verwendet hierzu Mobilfunkdaten vom Unternehmen Telefónica, wozu in Deutschland vor allem O2 gehört. Der Anbieter hat laut dem Statistischen Bundesamt einen Marktanteil von etwa einem Drittel. Mittels eines Hochrechnungs-Algorithmus werden die Daten auf die Gesamtbevölkerung von Deutschland angepasst. Anhand der Handydaten kann der aktuelle Stand der Mobilität erfasst werden. Bisher wurden daraus aber noch keine Vorhersagen getroffen.

    Das Potential, um zukünftig Vorhersagen zu treffen, wie sich ein Virus verbreitet, ist da. Um herauszufinden, ob sich die Ereignisse aber so leicht auf zum Beispiel SARS-CoV-2 übertragen lassen, sind weitere Untersuchungen nötig.

    "Darüber spricht Bayern": Der BR24-Newsletter informiert Sie immer montags bis freitags zum Feierabend über das Wichtigste vom Tag auf einen Blick – kompakt und direkt in Ihrem privaten Postfach. Hier geht’s zur Anmeldung!