22 novembre 2020

COVID 19, I CONTI NON TORNANO

Per una mappatura efficace

Ognuno di noi è sconcertato nell’assistere alle polemiche tra i governatori locali e i sindaci, per la collocazione in zona arancione o rossa da parte del Governo. La drammaticità della situazione pandemica che stiamo vivendo ci impone di andare oltre scontri e contrapposizioni cui purtroppo siamo avvezzi. Piuttosto sono indicative le considerazioni di Giorgio Parisi, fisico e Presidente dell’Accademia dei Lincei, ‘Se non sono affidabili i dati, cioè i numeri che vengono usati per calcolare Rt, il suo valore stimato non è affidabile. Come siamo arrivati a questa situazione?

Ad aprile la procedura scelta per il calcolo di Rt era perfettamente adeguata alla situazione sanitaria dell’epoca ed era basata sull’assunzione che i dati provenienti dal monitoraggio nazionale fossero affidabili. Purtroppo dal 20 ottobre non è più così. Per motivi che non è facile identificare con precisione, ma probabilmente connessi all’eccessivo numero di casi, il sistema di monitoraggio non riesce a dare un’informazione precisa sugli sviluppi dell’epidemia.’. Effettivamente la disparità dei criteri della raccolta dei dati preclude la loro efficacia. L’episodio che ha interessato uno di noi è paradossale ma fa riflettere.

Andando al supermercato la temperatura misurata all’ingresso, dal personale preposto, era di 33.5. Quasi un rettile… La richiesta di misurazione all’uscita ha registrato 36.1 gradi: una leggera umidità sulla pelle dovuta alle condizioni atmosferiche ha creato un effetto isolante termico.  Con quelle condizioni anche una temperatura corporea di 39.5 avrebbe permesso un ingresso tranquillo. Non si tratta di un tampone, né di un test sierologico, ma l’esempio mette in luce la labilità delle rilevazioni personali.

Fino ad ora l’individualizzazione del tracciamento del contagio, combinata con il divario digitale che vede una fascia non trascurabile della popolazione sprovvista dei necessari dispositivi per poter scaricare l’applicazione adottata, non si è rivelata efficace. Non solo, non hanno avuto risposta le preoccupazioni sulle finalità e le modalità di trattamento dei dati individuali raccolti, sui tempi di conservazione, sulla tipologia di dati trattati, sulla circolazione e disponibilità fisica di questi dati. Così per la possibile verifica pubblica dell’intero impianto organizzativo per assicurarsi che sia configurato in modo tale da essere nella piena e totale disponibilità del Governo.

Lo sconcerto aumenta insieme alla insicurezza, è bene non trascurare questa evoluzione del senso comune diffuso. Il Patto Civile si fonda sull’equilibrio tra interessi generali e diritti individuali, da garantire ed esercitare in libertà, questa è la cifra della democrazia. Sicurezza vs Libertà – Sorveglianza vs Insicurezza. Sono i doppi vincoli, le alternative precostituite, da cui liberarci al più presto.

Non si tratta di idiosincrasia tecnologica o complottismo, bensì del diritto alla partecipazione informata ai processi che ci riguardano. Avere dubbi e sollevare domande sulle modalità di raccolta dei dati personali e sulla loro gestione attraverso strumenti pervasivi, in tempi di insicurezze e semplificazione, comporta lo stigma di Bastian Contrario ma è la funzione inquieta che ogni cittadino libero, e chi fa giornalismo, dovrebbe esercitare. Insieme alle rilevazioni critiche è altresì doveroso contribuire a migliorare la natura delle informazioni che coadiuvano le decisioni pubbliche.

Per questo in tre amici, un politico ecologista, un esperto di informatica giuridica, un esperto di geografia quantitativa, abbiamo condiviso una proposta di mappatura efficace perché aperta. Una proposta che non parte dalla individualizzazione dei dati, ma dalla definizione delle mappe, dei perimetri reali dei cluster del contagio, che non è detto che corrispondano ai confini amministrativi comunali o regionali.  Non ci deve interessare il ‘chi’ ma il ‘dove, quando e quanti’. La proposta vuole essere un contributo che integra e allarga il quadro informativo a disposizione pubblica.

Che faccia avrà Milano?
La tua.

Siamo i tuoi occhi sulla città, teniamoli aperti.

DONA ADESSO!

Se vuoi aiutare ArcipelagoMilano in modo diverso fai clic qui!

SPATIAL DECISION SUPPORT SYSTEM MODEL – ANTI COVID-19

Trasparenza, partecipazione informata, valorizzazione delle istituzioni e della rappresentanza, sono elementi costitutivi di una politica pubblica capace di liberarsi daun controllo sociale di massa in cambio della sicurezza sanitaria e della possibile libertà di azione.

Lo slittamento dalla sanità alla adozione dei modelli matematici e degli algoritmi come tamponi, per la rapidità del risultato addirittura predittivo. Così i grandi web providers hanno imposto agli stati europei norme e procedure per consegnare loro il controllo di dati sensibili di cittadini europei.

1. La politica pubblica deve esercitare una piena soggettività invece di esternalizzare la decisione.
2. Una strategia di mappatura diffusa deve prevedere una normativa di rango primario che precisi i principi generali che legittimino un trattamento di dati personali. Per questo occorre fin da subito il coinvolgimento operativo dell’Autorità Garante per la protezione dei dati personali per definire i dettagli su finalità e modalità di trattamento, sui tempi di conservazione, sulla tipologia di dati trattati, sulle modalità di pseudonimizzazione, sulla circolazione e disponibilità fisica di questi dati, sulla relativa DPIA.
3. Oggi ci sono programmi di georeferenziazione dei dati, dei modelli di diffusione, che consentono di incrociare funzioni sociali, percorsi e mezzi usati per pendolarismo studio/lavoro, delle persone che sono state riconosciute affette dal Covid 19. Sono modelli che, in combinazione con i test sierologici e i tamponi, consentono di definire probabilità e perimetri di diffusione del contagio al fine di utilizzare i tamponi di rilevazione in modo finalizzato, sia al fine di circoscrivere il contagio che di definire le regole comportamentali per il distanziamento individuale e la distribuzione e l’utilizzo dei dispositivi sanitari. Si tratta di un modello già operativo che consente, ad esempio, di vedere quali dispositivi sono stati forniti e a chi. Una pratica di rendicontazione e trasparenza.

Un Sistema Informativo Territoriale di nuova concezione

How many, where, when?

La nostra proposta opera innanzi tutto due cambiamenti di prospettiva:

1. L’attenzione si sposta dalla persona singola al territorio. Il sottotitolo dato a questa sezione vuole esplicitare che il sistema informativo territoriale non tratta il “chi” bensì “quanti”, “dove”, “quando”.
2. Si passa da una informazione a dimensione 1 quali sono i dati sul numero dei tamponi, contagi, ricoveri ecc, ad una informazione a dimensione 2 georeferenziata che consente, invece, la rappresentazione della distribuzione, concentrazione e probabilità del contagio in una mappa dinamica.

Trattandosi di fenomeno di diffusione virale la mappa dovrà necessariamente superare i limiti ed i vincoli imposti dai confini amministrativi, opererà, quindi, su base nazionale su un reticolo a maglie quadrate di dimensioni variabili partendo dall’impianto cartografico già consolidato dall’IGM¹, come illustrato di seguito:

Nella figura l’impianto IGM della Carta Topografica d’Italia alla scala 1:100.000 il “Foglio”, la suddivisione in quadranti (scala 1:50.000) a loro volta suddivisi in Tavolette (1:25.000). La nostra estensione del modello crea la mappa di concentrazione e potenziale di contagio con aree ulteriormente suddivise per garantire una risoluzione spaziale idonea al monitoraggio e prevenzione locale.

Operativamente parlando, per agire in modo efficace contro l’estrema dinamicità spaziale, oltre che quali-quantitativa del contagio si intende realizzare un sistema informativo territoriale di nuova concezione: complesso², adattivo³, dotato di base di dati e base di conoscenza, con capacità di analisi, supporto alle decisioni⁴ e previsione.

Il sistema informativo dal punto di vista software sarà interamente FOSS (Free and Open Source Software) ridistribuibile e quindi replicabile in altre realtà.

Il modello matematico proposto

Il modello matematico adottato è la rivisitazione di un celebre modello di diffusione basato sul principio di rapporto di prossimità come fattore causale della diffusione cui sono state apportate delle modifiche sostanziali che consentano ad esso di adattarsi dinamicamente allo scenario e di apprendere le regole di diffusione facendo uso di intelligenza artificiale e deep learning.

L’iniziatore di questo approccio è stato il geografo T. Hagerstrand, il quale, studiando le modalità di diffusione del grano ibrido in Svezia, ha rilevato quanto la prossimità giochi un ruolo decisivo nella diffusione.

Le caratteristiche della diffusione sono:

• contagio spaziale: i vicini sono di preferenza “contagiati”; 
• diffusione gerarchica: la diffusione procede dal grande verso il piccolo; 
• diffusione attraverso la rete: le reti rappresentano dei canali attraverso i quali il processo si diffonde meglio. 

Il motore del processo di diffusione è una matrice detta MIF (mean information field). Questa matrice riassume le regole di comportamento degli elementi del modello. Questi elementi sono delle celle nelle quali sono localizzati un certo numero di individui che possono essere “contagiati” o “non contagiati ancora”. Nel primo caso possono influenzare un vicino secondo una probabilità che decresce con la distanza (MIF). Questa matrice 5×5 comprende la cella e le 24 adiacenti. In ogni elemento sono riportate le probabilità di infettare un individuo localizzato nell’intorno. Il funzionamento del modello è semplice: se un individuo è “contagiato”, può contagiare gli individui vicini secondo una probabilità che dipende dalla matrice MIF. Il calcolo nella versione originale del modello avviene in maniera asincrona: dato l’insieme delle celle infette si calcola quelle che saranno infettate nel periodo successivo.

esempio di MIF:

0.009 0.014 0.017 0.014 0.009

0.014 0.030 0.054 0.030 0.014

0.017 0.054 0.443 0.054 0.017

0.014 0.030 0.054 0.030 0.014

0.009 0.014 0.017 0.014 0.009

In sostanza in ciascuna cella si ha una quantità di contagiati o non contagiati Ovviamente in questa stima dovrà essere tenuto conto del tasso di crescita della variabile nell’area, che non dipende dalla disposizione nello spazio delle celle. La versione modificata del modello prevede inizialmente che la matrice MIF sia dinamica e si basi su un reticolo di risoluzione variabile con la tecnica di suddivisione “quadtree” con i valori delle celle ricalcolate e ricalibrate grazie ad un processo di “addestramento” all’analisi dei dati di ingresso ricorrendo al calcolo parallelo ed a microprocessori specifici⁵ per l’addestramento di reti neurali artificiali⁶. La suddivisione dello spazio in maglie sempre più fini consente di focalizzare l’attenzione su aree ristrette particolarmente sensibili del territorio, le stesse dove si sono registrati, per esempio, casi importanti di nuovi focolai o di cluster già attivi.

Esempio di dati geolocalizzati di ingresso.

1. Localizzazione e numerosità ed esiti di analisi: tamponi, prelievi ecc.
2. Localizzazione e numerosità dei ricoveri e dimissioni
3. Luoghi sottoposti a quarantena
4. Monitoraggio urbano con uso di termocamere fisse o mobili in grado di segnalare in tempo reale la geolocalizzazione di luoghi frequentati da soggetti con stati febbrili oltre la soglia.
5. Dati di mobilità urbana e territoriale: pedonale, pendolarismo studio lavoro, traffico, trasporto passeggeri.
6. L’esito sarà una mappa dinamica con le aree a rischio potenziale di contagio distinte per giorno e fascia oraria. Nelle aree a rischio gli operatori procederanno quindi alla raccolta di tamponi → Punto 1

Milano, 10 novembre 2020

Giuseppe Corasaniti^(*)- Fiorello Cortiana^(**)- Mauro Preda^(***)

Contatti: email proposta_aperta_mappe_covid@lacittadelsole.community