Was haben die Ausbreitung der Corona-Pandemie und die Entwicklung des Universums gemeinsam? Absolut nichts!, würde man auf Anhieb sagen. Doch zum Verständnis der beiden so unterschiedlichen Themen helfen Statistiken und immense Datenmengen. Deshalb hat DESY-Theoretiker Ayan Paul sich entschlossen, den Kampf gegen den neuartigen Virus aufzunehmen, der die sich ausbreitende Pandemie verursacht. Sein Werkzeug: Erfahrung im Umgang mit hochentwickelten statistischen Modellen, die mit großen Datensätzen arbeiten und Analysen mit vielen Parametern zulassen. Sein Ziel: mit großen Datenmengen Einblicke schaffen, die uns sonst verborgen bleiben.

„Als das sich ausbreitende SARS-CoV-2-Virus uns alle nach Hause schickte, um über unser Leben und unsere Arbeit nachzudenken, habe ich mich gefragt, wie ich mit meinem wissenschaftlichen Wissen zum Wohl der Allgemeinheit beitragen könnte“, sagt Ayan Paul. Beim Durchstöbern von Daten und der Suche nach Möglichkeiten, seine Fähigkeiten einzubringen, kamen dem jungen Inder mehrere Ideen, von denen eine besonders faszinierend erschien: Anfang April nahm er an einem Hackathon teil, der „Covid-19 Challenge“, die vom Massachusetts Institute of Technology (MIT) organisiert wurde. Mehr als 1500 Teilnehmer aus der ganzen Welt mit unterschiedlichen Fähigkeiten trafen sich virtuell und bildeten Teams, um verschiedene Fragen im Zusammenhang mit der Pandemie anzugehen. Paul tat sich mit sechs anderen Teilnehmern zu einem Team zusammen, das an diesem Wochenende zu einem der Gewinner erkoren wurde. Die Gruppe hatten die Entwicklung eines intelligenten Algorithmus vorgeschlagen, um die Entwicklung der Immunität gegen das Virus zu verfolgen und so die Belastung von Kliniken zu verringern.Dieser Sieg war quasi offizieller Startschuss für Ayans Forschungen im Zusammenhang mit Covid-19: Er wollte jetzt gleich mehrere Probleme angehen, die nach schnellen Antworten verlangten. „Eines der Hauptprobleme bei der Ausbreitung von Covid-19 ist der große Anteil asymptomatischer Träger und die präsymptomatische Ausbreitung. Sie haben die traditionellen Methoden der manuellen Kontaktverfolgung bei der Eindämmung dieser Pandemie völlig nutzlos gemacht, im Gegensatz zu früheren Epidemien durch Ebola, SARS oder MERS“, erklärt er. Diese Probleme bei der manuellen Nachverfolgung veranlassten mehrere Technikkonzerne und Regierungen, den Einsatz der automatisierten Kontaktverfolgung durch mobile Geräte vorzuschlagen, die ihre Möglichkeiten der Annäherungsverfolgung nutzen. Apple und Google haben kürzlich Proximity Tracing in iOS und Android eingeführt, und die deutsche Regierung plant, diese Technik in ihrer App zur Nachverfolgung von Kontakten zu nutzen.

Seine Kenntnisse statistischer Analysen brachten Ayan Paul zu der Erkenntnis, dass die Befürworter der automatisierten Kontaktverfolgung in ihren Einschätzungen zur Wirkung dieser Werkzeuge zu optimistisch waren. Zusammen mit Hyunju Kim vom Beyond Center for Fundamental Sciences der Arizona State University erkannte Ayan, dass man, um die Wirksamkeit der Kontaktverfolgung richtig zu bewerten, die Krankheitsmerkmale gut verstehen und mit den Übertragungsparametern kombinieren muss. Kim und Paul verfügten über gute Fachkenntnisse in komplexen Netzwerken, statistischer Mechanik und Informationsverarbeitung, nicht aber in der Wirksamkeit automatisierter Kontaktverfolgung oder mathematischer Epidemiologie. Zwei intensive Wochen des Studiums medizinischer Literatur, klinischer Daten, epidemiologischer Modellierung und Virologie ebneten ihnen dann den Weg, um die spezifischen Merkmale von Covid-19 und seine Verbreitung in der Bevölkerung zu verstehen.

Ihre Berechnungen dazu mündeten in eine einfache Botschaft: Die Verbreitung von Covid-19 hat Eigenschaften, die wirklich einzigartig sind. Theoretisch ist die automatisierte Kontaktverfolgung ein sehr wirksames Mittel zur Eindämmung von Covid-19 und mit den heutigen Technologien möglich. Wie die Arbeit von Kim und Paul zeigt, erfordert dies jedoch, dass nicht nur ein ziemlich großer Teil der Bevölkerung am Verfolgungsprogramm teilnimmt, sondern auch bestätigen kann, dass er positiv auf Covid-19 getestet wurde. Ihren Schätzungen zufolge müssen sich selbst in einem optimistischen Szenario 50% bis 75% der Bevölkerung an diesem Programm zur Ermittlung von Kontaktpersonen beteiligen. „In Anbetracht der Tatsache, dass weniger als 70% der Bevölkerung über Smartphones verfügen (die dafür notwendig sind), ist dieses Programm in der Praxis nicht durchführbar“, fasst Ayan ihre Arbeit zusammen, die sie kürzlich bei einer Fachzeitschrift eingereicht haben. Zu ähnlichen Schlussfolgerungen gelangte auch eine Forschungsgruppe in Princeton, allerdings unter Verwendung einer deutlich aufwändigeren statistischen Analyse.

Ayan Paul widmet sich weiterhin auf viele Weisen der Pandemie: Er möchte herausfinden, ob die Verbreitung von Covid-19 mit sozialen Ungleichheiten in der Gesellschaft zu tun hat. Auch möchte er die Entwicklung der Immunität bei Personen verstehen, die keine oder nur leichte Krankheitssymptome zeigen. Dies soll dazu beizutragen, die Belastung des medizinischen Systems zu verringern und immune Personen wieder an ihren Arbeitsplatz zurückzubringen oder für wichtige Funktionen dort einzusetzen, wo das Risiko einer Covid-19-Exposition hoch ist. Kim und Paul wollen einen Algorithmus finden, der durch die Kombination von Mobilitätsmustern und der Covid-19-Exposition an Hochrisikopositionen bereits immun gewordene Menschen identifizieren kann. Das erfordert die Simulation der Infektionsausbreitung in der Bevölkerung und die Entwicklung eines maschinellen Lernalgorithmus, um die optimalen Parameter zur Identifizierung immuner Personen mit möglichst hoher Trefferrate zu finden. Dadurch könnten Immunitätstests in kritischen Umgebungen wie in einem Krankenhaus oder innerhalb der Bevölkerung selbst priorisiert werden.

Mit zwei anderen Kollegen von DESY und aus Seattle analysiert Ayan Paul Daten von Volkszählungen auf einen Zusammenhang mit der Covid-19-Verbreitung in den USA und Deutschland, um herauszufinden, ob soziale Unterschiede auf makroskopischer Ebene (auf der Ebene der Counties in den USA und auf der Ebene der Landkreise in Deutschland) mit der Häufigkeit der Krankheit zusammenhängen – das könnte Regierungen in die Lage versetzen, sich in einer solchen Pandemie auf die bedürftigen Regionen konzentrieren. Hierfür setzen Ayan und seine Kollegen hochentwickelte Methoden des maschinellen Lernens zur Analyse großer Datenmengen ein, Methoden die in Wirtschaftsstudien bisher unüblich sind.

In der Zwischenzeit Ayan und sein Team auch die zweite Runde der MIT- Covid-19-Challenge gewonnen und arbeiten an einem Geschäftsmodell, das sich auf die Bekämpfung von Covid-19 konzentriert. Er hat zusammen mit seinen Teamkollegen die Firma „CoVis“ gegründet. Mit der Kombination von Kontaktverfolgung und Immunitätsentwicklung wollen sie eine Plattform zur Bewertung von Risiko und Immunitätswahrscheinlichkeit für mobile Endgeräte aufbauen. Diese Plattform soll Gesundheitsdienstleister, Unternehmen und öffentliche Einrichtungen bei der Erstellung von Plänen und Richtlinien im Zusammenhang mit der laufenden Pandemie unterstützen. Die Plattform kombiniert Informationen aus der medizinischen Fachliteratur, umfangreiche Datensätze zur lokalen Krankheitsverbreitung und individuelle Benutzerinformationen unter Verwendung intelligenter Algorithmen, um eine Aussage darüber zu treffen, wie hoch das Infektionsrisiko einer Person ist und wie wahrscheinlich es ist, dass sie bereits durch eine nicht erkannte Covid-19-Infektion immun geworden ist.

All diese Arbeiten erscheinen so völlig anders als diejenigen in der theoretischen Physik, die Ayan Paul verfolgt hat. Trotzdem sieht er eine Gemeinsamkeit seiner aktuellen Themen über Covid-19 und der Teilchenphysik: „Die Geheimnisse der fundamentalen Dynamik und Symmetrien der Natur zu erforschen, ist und bleibt eine lange und faszinierende Reise; aber plötzlich hat das Leben mir die Möglichkeit eröffnet, nach Erkenntnissen zu suchen, die den Menschen direkt zugute kommen können. Ich möchte diese Gelegenheit nicht unerforscht verstreichen lassen.“