Quando os cientistas tentam prever a disseminação de algo entre as populações (qualquer coisa, desde um coronavírus até desinformação), são usados modelos matemáticos complexos. Normalmente, eles estudam as primeiras etapas em que o assunto se espalha e usam essa taxa para projetar até onde a propagação vai.

Mas o que acontece se um patógeno sofre mutação ou a informação é modificada, alterando a velocidade com que se espalha? Em um novo estudo publicado na edição desta semana da Proceedings da Academia Nacional de Ciências (PNAS), uma equipe de pesquisadores da Universidade Carnegie Mellon mostra pela primeira vez a importância dessas considerações.

Na verdade, essas mudanças evolutivas têm um enorme impacto. Se você não considerar as possíveis mudanças ao longo do tempo, estará errado ao prever o número de pessoas que ficarão doentes ou o número de pessoas expostas a uma informação.

A maioria das pessoas está familiarizada com essa dinâmica em epidemias de doenças, mas as informações em si podem experimentar seu próprio tipo de epidemia e “viralizar”. E o fato de uma informação se tornar viral pode não depender de como a mensagem original é aprimorada.

Algumas informações são intencionalmente falsas e visam semear a desinformação, mas outras podem se desenvolver organicamente, quando muitas pessoas fazem sequencialmente pequenas alterações ao passá-la adiante. Uma informação aparentemente inócua pode se tornar viral, e é papel da ciência prever como esses dados se espalham.

Em seu estudo, os pesquisadores desenvolveram uma teoria matemática que leva em consideração essas mudanças evolutivas. Eles então testaram sua teoria contra milhares de epidemias simuladas por computadores em redes do mundo real, como o Twitter, para a disseminação de informações ou um hospital para a disseminação de doenças.

No contexto da disseminação de doenças infecciosas, a equipe realizou milhares de simulações usando dados do mundo real. Essas simulações serviram como banco de ensaio: a teoria que corresponde ao que é observado nas simulações seria a mais precisa.

A pesquisa comprovou que os modelos tradicionais que não consideram adaptações evolutivas falham em prever a probabilidade de surgimento de uma epidemia. E embora o estudo não seja uma bala de prata para prever a disseminação do novo coronavírus ou a disseminação de notícias falsas no ambiente político volátil de hoje com 100% de precisão, foi dado um grande passo para melhorar a capacidade de predição estatística.