Covid-19-pandemien viste behovet for bedre verktøy for å forstå hvordan smittsomme sykdommer sprer seg, og hvordan helsetjenestene kan håndtere endringer i behovet for behandling og ressurser. Gode modeller kan bidra til å beskrive utviklingen av sykdommer, undersøke effekten av ulike tiltak og anslå behovet for sykehus- og helseressurser. Tradisjonelle matematiske modeller er nyttige i mange sammenhenger, men antar ofte at mennesker oppfører seg på samme måte. Dette gjør det vanskeligere å beskrive forskjeller mellom individer og hvordan de påvirker hverandre.
Agentbasert modellering (ABM) gir en mer fleksibel tilnærming. I en agentbasert modell representeres hver person, hvert dyr eller annen relevant enhet som en individuell agent med egne egenskaper og atferd. Modellen beskriver hvordan agentene samhandler, og hvordan disse samhandlingene påvirker smittespredning og bruk av helsetjenester. Dette gjør det mulig å studere komplekse situasjoner, som isolasjon, vaksinering, endringer i atferd og ulike kontaktmønstre.
Prosjektet omfatter utvikling og bruk av agentbaserte modeller for smittespredning og logistikk i helsetjenesten. Tilnærmingen sammenlignes med tradisjonelle modeller for å undersøke styrker og begrensninger. Det inngår også optimalisering av tiltak og strategier, med fokus på å redusere smitte og sykehusinnleggelser samtidig som økonomiske kostnader tas hensyn til.
SINTEFs bidrag i prosjektet
SINTEF bidrar med kompetanse innen matematisk modellering, simulering, optimalisering og maskinlæring. Arbeidet bygger på tidligere erfaring med modellering av smittsomme sykdommer, helselogistikk og agentbasert modellering.
Moderne beregningsmetoder brukes til å utvikle og simulere modellene og analysere komplekse samspill mellom individer og systemer. Metodene og programvaren gir et grunnlag for videre forskning og beslutningsstøtte innen helse og andre områder.