Raum-zeitliche Epidemiologie von neuartigen Viren

Ansteckende Krankheiten werden zunehmend zu einem globalen Problem. Dabei gilt es, räumliche und zeitliche Häufungen von Erkrankungen zu erkennen und ihre Ausbreitung vorherzusagen. Dieses Projekt zielt darauf ab, durch die Kombination verschiedener frei verfügbaren Daten aus sozialen Medien sowie offizieller Gesundheitsdaten neue Einblicke in die raum-zeitliche Epidemiologie neuartiger Viren zu gewinnen. Krankheiten weisen sowohl räumlich als auch zeitlich feinkörnige Verteilungsmuster auf. Auf unterschiedlichen Maßstabsebenen können Ausbreitungen in Städten, Regionen oder Ländern erforscht werden. Die Analyse der geografischen Verteilung von Infektionskrankheiten wurde allerdings bisher größtenteils nur großflächig durchgeführt (z.B. auf Länderebene), wobei der Schwerpunkt eher auf zeitlichen Momentaufnahmen als auf kontinuierlichem Monitoring über die Zeit hinweg lag. Dies machte es bislang schwierig, Treiber der Krankheitsausbreitung zu verstehen oder zukünftige Veränderungen in der räumlichen Verteilung von Krankheiten vorherzusagen. Eine fein aufgelöste raum-zeitliche der Ausbreitung von Krankheiten auf der Ebene städtischer Ballungsräume wurde bisher selten durchgeführt. Deshalb werden in diesem Projekt verschiedene frei verfügbare Social-Media Daten (Twitter Posts, Google-Suchen, etc.) und offizielle Gesundheitsdaten (z.B. COVID-Fallzahlen von Behörden) analysiert. Mit der Entwicklung neuartiger Algorithmen Künstlicher Intelligenz (KI), mit denen eine höhere Informationsqualität erzielt werden kann, können Erkenntnisse gewonnen werden, die genauere Vorhersagen über die raum-zeitliche Ausbreitung von Krankheiten erlauben. Getestet werden diese Methoden mit Infektionsdaten, um Krankheiten wie Gelbfieber, Dengue, Corona, Zika oder Chikungunya zu analysieren. Neu bei dieser Vorgehensweise ist vor allem die Einbeziehung der zeitlichen Dimension in die räumliche Epidemiologie. Bislang waren Karten für die Visualisierung und das Verständnis von Infektionskrankheiten wichtig, weil Informationen wie Übertragungsrisiko, Information über die infektionsgefährdete Bevölkerung, oder wirtschaftlichen Auswirkungen visualisiert werden. Die raum-zeitliche Kartierung von Infektionskrankheiten kann zusätzlich dazu dienen, die Erforschung und Beobachtung von sich ausbreitenden Krankheiten besser zu verstehen, und so Entscheidungsträgern Information bereitzustellen, auf Basis derer Risiken visualisiert und Entscheidungen für die Eindämmung der Krankheitsausbreitung kommuniziert werden können.

Infektionskrankheiten verbreiten sich nicht zufällig, sondern ihr Verlauf hängt eng mit Lebensbedingungen, Umweltfaktoren und menschlichem Verhalten zusammen. Im Projekt GeoEpi wurden diese Zusammenhänge untersucht, indem geografische Daten wie beispielsweise digitale Signale aus geo-sozialen Medien und Satellitenbildern systematisch analysiert wurden. Ziel des Projekts war es, auf Basis solcher zeitlich-räumlicher Muster neue Methoden und Algorithmen zu entwickeln, die eine frühe und nachvollziehbare Erkennung von Krankheitsausbrüchen ermöglichen. Ein zentraler Beitrag der Forschung war der Nachweis, dass geografische und digitale Daten frühzeitig auf regionale Krankheitsausbreitung hinweisen können. In mehreren Studien konnte konkret gezeigt werden, dass Social-Media-Beiträge bereits ca. 2 Wochen vor offiziellen Meldedaten Hinweise auf lokales Infektionsgeschehen liefern. Dabei spielte der kontextuelle Hintergrund einzelner Regionen eine entscheidende Rolle. So beeinflussten etwa regional vorherrschende politische Einstellungen oder sozioökonomische Bedingungen, wie früh und in welcher Form Menschen, Symptome oder Schutzmaßnahmen öffentlich thematisierten und damit, wie zuverlässig eine frühe Erkennung von COVID-19-Infektionen möglich war. Darüber hinaus konnte gezeigt werden, wie Satellitenbilder eingesetzt werden können, um Wasserbehälter in urbanen Gebieten zu identifizieren und daraus Rückschlüsse auf die Verbreitung von Infektionskrankheiten wie Dengue zu ziehen. Die Projektergebnisse wurden unter anderem in Scientific Reports, dem International Journal of Applied Earth Observation and Geoinformation, JMIR Infodemiology und Frontiers in Public Health veröffentlicht und international wahrgenommen. Die Ergebnisse wurden unter anderem bei Workshops auf den Harvard-Konferenzen CGA Conference: From Geospatial Research to Health Solutions (2023) sowie The Geography of Digital Twins & Symposium on Spatiotemporal Data Science (2025) vorgestellt und gemeinsam mit Wissenschaft und Öffentlichkeit diskutiert. Aufbauend auf diesen Erkenntnissen entstanden die Anschlussprojekte Climate Agents und Health Detectives, die unsere Forschung fortführten und die dort entwickelten Methoden weiter nutzten.