Press Release: Evaluating Automated Exposure Notifications for the Mitigation of COVID-19
LEALAHNI WOULFE
Since 2020, governments and health bodies have confronted unrivalled provocations in response to the global COVID-19 pandemic. Initially, authorities adopted traditional strategies of contact tracing, which utilised the information from infected individuals to identify those who may have been exposed to COVID-19 as a result of close contact.
Electronic methods of contact tracing swiftly emerged to supplement this practice. However, it became increasingly apparent that this medium posed a potential risk of leaking private metadata (Tiwari et al; 2019). Unquestionably, there is a delicate equilibrium between such identification and the quantified transmission risk when compared to pronounced privacy considerations. Consequently, researchers identified that leaked data may discourage individuals from participating in contact tracing systems, ultimately undermining the efficiency of these projects by underestimating the proliferation and exposure of COVID-19. Resoundingly, this would deteriorate health outcomes within society. The widespread wellbeing of the public cannot negate the right to privacy of the individual.
In response to these concerns, anonymous privacy-aware Automated Exposure Notification (AEN) systems were developed from the foundation of Bluetooth short-range communications. These systems employ Bluetooth signals to assess physical proximity within the range of presumed viral transmission (2 metres apart for a minimum of 15 minutes). Smartphones enabled with AEN softwares transmit and receive tokens (otherwise defined as random broadcast numbers) from other broadcasters in their vicinity. Those confirmed with COVID-19 will anonymously upload tokens to a public registry, permitting those whom they may have come into contact with to determine whether they have been infected.
A myriad of definitions of close contact exist across the globe. The Centers for Disease Control (CDC) define it as"less than 6 feet away for a cumulative 15 minutes or more over a 24 hour period" (CDC, 2020). Samuels and team identified a contradiction between such expositions and further evaluated the heightening evidence that the current close contact definitions are too attenuated to fully articulate SARS-CoV-2 transmission modalities comprehensively (Samuels et at., 2022). Therefore, by instead refocusing on proponent elements of transmission such as small aerosols, mask filtration, and environmental conditions, such groups may instead be able to notably reduce viral transmission and infection by enhancing the potency of current close contact guidelines.
Contrary to traditional Bluetooth technologies, low-energy Bluetooth communications use significantly less power, owing to less frequent broadcasts. This means that power is better conserved, keeping devices online for longer periods of time. Saliently, privacy is preserved because the identifier in the broadcasted Bluetooth signal is temporary. With the release of the Google/Apple Exposure Notification system (GAEN) in mid-May 2020, this software ensured that both the rolling proximity identifier and associated encrypted metadata signals changed every 15 minutes to circumvent wireless tracking. A temporary exposure key also changes every 24 hours to preserve privacy (Google, 2020)
While this approach to contact tracing is promising, recent research has shown that short-range communication channels like Bluetooth may be inaccurate for modelling transmission risks. Distance measurements made using Bluetooth are not optimal for evaluating exposure risk and prevalence, especially given that researchers consistently found that both large and small droplets were capable of travelling distances in excess of 2 metres (Zhu et al., 2006), with more modest particulates remaining suspended in the air 6-8 metres from their original ejection site. In actuality, it has been shown that AEN systems perform better with technologies sensing respiratory activity, mask status, and environmental conditions. These all serve as an advantage to ascertain individual risks of infection, which vary according to a sundry of respiratory activities, particularly sneezing or coughing.
Bluetooth is ubiquitous within modern technologies, yet reliability issues concerning devices’ signal strengths have been shown to affect the devices overall capacity to accurately measure distances. This indicates that future AEN systems may preferentially advocate augmenting with other technologies, including ultrasonic sound measurements. This does pose a further privacy concern of its own, but also presents a more desirable alternative if distance computation is to remain a defining factor of contact tracing softwares.
The authors of this study did, however, decide to assess real-world applications of AEN systems utilising a more concise definition of such a contact. Researchers evaluated the NHS COVID-19 app launched in England and Wales in September 2020 and found that 16.5 million individuals actually used the app frequently, which represents 49% of the population with compatible smartphones or devices. It is believed that the app may have ultimately aided in preventing more than 224,000 infections between October-December of 2020 (Wymant et al., 2021). Furthermore, the importance of masks in reducing the risk of particle spread was reviewed to identify how the quantity and size of particles may be relevant to the development of further AEN systems.
The governing factor fortifying all of the above research is the public’s adherence to AEN systems. In order to secure an unwavering and widespread adoption, public trust and allegiance is fundamental to the operation and success of AEN systems. To establish this credence, willing users must freely give their consent prior to installation. Given the current data, the certitude of informed user consent and personal information protection may serve to encourage a more expansive and warmly embraced advocacy for AEN. It is hoped that individuals will appreciate the amelioration these technologies present in protecting their health and that of their loved ones as opposed to feeling their privacy and personal rights are being infringed upon by ‘Big Brother’.
While AEN systems possess potential in combating COVID-19 and other infectious concerns to public health, there is a demand for a more comprehensive framework that evaluates numerous and varied transmission modalities, including mask filtration, droplet size and environmental conditions. With further research and refinement, privacy conscious AEN systems could be a pivotal tool in the international effort to control and mitigate the spread of COVID-19 and future pandemics.
References
- Apple and Google. (2020) ‘Exposure Notification - Bluetooth Specification’, v1.2. Available at: https://blog.google/documents/70/Exposure_Notification_-_Bluetooth_Specification_v1.2.2.pdf/#:~:text=The%20Exposure%20Notification%20Bluetooth%20Specification,Bluetooth%20beaconing%20to%20detect%20proximity.&text=A%20user's%20Rolling%20Proximity%20Identifier,be%20correlated%20to%20a%20contact. [accessed 12 February 2023]
- Centers for Disease Control and Prevention. (2022) ‘Appendices’. Available at: https://www.cdc.gov/coronavirus/2019-ncov/php/contact-tracing/contact-tracing-plan/appendix.html [accessed 14 February 2023].
- Samuels. L. et al. (2022) ‘Automated Exposure Notification for COVID-19’, Journal of Young Investigators, 25(12), pp. 1–10. Available at: https://www.jyi.org/2022-december/2022/12/19/automated-exposure-notification-for-covid-19 [accessed 12 February 2023].
- Tiwari, T., Klausner, A., Andreev, M., Trachtenberg, A., Yerukhimovich, A. (2019) ‘Location Leakage from Network Access Patterns, in: 2019 IEEE Conference on Communications and Network Security (CNS)’, 2019 IEEE Conference on Communications and Network Security (CNS), Washington DC, DC, USA, pp. 214–222. Available at: https://doi.org/10.1109/CNS.2019.8802847.
- Wymant, C., Ferretti, L., Tsallis, D., Charalambides, M., Abeler-Dörner, L., Bonsall, D., Hinch, R., Kendall, M., Milsom, L., Ayres, M., Holmes, C., Briers, M., Fraser, C. (2021) ‘The epidemiological impact of the NHS COVID-19 app’, Nature, 594, pp. 408–412. Available at: https://doi.org/10.1038/s41586-021-03606-z [accessed 17 February 2023].
- Zhu, S., Kato, S., Yang, J.-H. (2006). ‘Study on transport characteristics of saliva droplets produced by coughing in a calm indoor environment’, Building and Environment, 41(12), pp. 1691–1702. Available at: https://doi.org/10.1016/j.buildenv.2005.06.024 [accessed 14 February 2023].
Comunicado de prensa: Evaluación de las notificaciones automáticas de exposición para mitigar el COVID-19
LEALAHNI WOULFE
Julia Goralsky
Desde 2020, los gobiernos y los organismos de salud se han confrontado a provocaciones sin rival en respuesta a la pandemia mundial de COVID-19. Inicialmente, las autoridades adoptaron estrategias tradicionales de rastreo de contactos, que utilizaban la información de los individuos infectados para identificar a quienes pudieran haber estado expuestos al COVID-19 como resultado de contacto cercano.
Los métodos electrónicos de rastreo de contactos aparecieron rápidamente para complementar esta práctica. Sin embargo, cada vez era más evidente que este medio presentaba un riesgo potencial de filtración de metadatos privados (Tiwari et al; 2019). Sin duda, hay un equilibrio delicado entre dicho tipo de identificación y el riesgo cuantificado de transmisión en comparación con consideraciones pronunciadas de privacidad. En consecuencia, los investigadores identificaron que los datos filtrados pueden disuadir a los individuos de participar en los sistemas de rastreo de contactos, lo que en última instancia socava la eficiencia de estos proyectos al subestimar la proliferación y exposición de COVID-19. Rotundamente, esto deterioraría los resultados de salud en la sociedad. El bienestar generalizado del público no puede negar el derecho a la privacidad del individuo.
En respuesta a estas preocupaciones, se desarrollaron sistemas de Notificación Automática de Exposición (AEN) anónimos y conscientes de la privacidad a partir de las comunicaciones Bluetooth de corto alcance. Estos sistemas emplean señales Bluetooth para evaluar la proximidad física dentro del alcance de presunta transmisión viral (2 metros de distancia durante un mínimo de 15 minutos). Los teléfonos inteligentes habilitados con el software AEN transmiten y reciben tokens (de otro modo definidos como números de transmisión aleatorios) de otros emisores cercanos. Aquellas personas confirmadas con COVID-19 cargarán de forma anónima los tokens en un registro público, permitiendo a las personas con las que hayan estado en contacto determinar si han sido infectadas.
Existe una miríada de definiciones de contacto cercano en todo el mundo. Los Centros para el Control y la Prevención de Enfermedades (CDC) lo definen como “menos de 6 pies de distancia durante un período acumulativo de 15 minutos o más en un período de 24 horas” (CDC, 2020). Samuels y su equipo identificaron una contradicción entre dichas exposiciones y evaluaron además la evidencia creciente de que las definiciones actuales de contacto cercano son demasiado atenuadas para articular completamente las modalidades de transmisión del SARS-CoV-2 integralmente (Samuels et al., 2022). Por lo tanto, si en lugar de ello se centran en los elementos de transmisión, como los aerosoles pequeños, la filtración de las máscaras y las condiciones ambientales, estos grupos podrían reducir notablemente la transmisión y la infección virales al mejorar la potencia de las directrices actuales sobre el contacto cercano.
A diferencia de las tecnologías Bluetooth tradicionales, las comunicaciones Bluetooth de bajo consumo utilizan mucha menos energía, debido a que las transmisiones son menos frecuentes. Esto significa que la energía se conserva mejor, manteniendo los dispositivos en línea durante periodos de tiempo más largos. De manera destacada, se preserva la privacidad porque el identificador de la señal de Bluetooth transmitida es temporal. Con el lanzamiento del sistema de notificación de exposición de Google/Apple (GAEN) a mediados de mayo de 2020, este software aseguró que el identificador de proximidad rodante y las señales de metadatos encriptadas asociadas cambiaban cada 15 minutos para eludir el seguimiento inalámbrico. Una clave de exposición temporal también cambia cada 24 horas para preservar la privacidad (Google, 2020).
Aunque este enfoque del rastreo de contactos es prometedor, investigaciones recientes han demostrado que los canales de comunicación de corto alcance como Bluetooth pueden ser inexactos para moldear los riesgos de transmisión. Las mediciones de distancia realizadas mediante Bluetooth no son óptimas para evaluar el riesgo de exposición y la prevalencia, especialmente dado que los investigadores encontraron consistentemente que tanto las gotas grandes como las pequeñas son capaces de viajar distancias superiores a 2 metros (Zhu et al., 2006) y que las partículas más modestas permanecen suspendidas en el aire a 6-8 metros de su sitio original de eyección. En realidad, se ha demostrado que los sistemas AEN funcionan mejor con tecnologías que detectan la actividad respiratoria, el estado de la máscara y las condiciones ambientales. Todo ello sirve como una ventaja para determinar los riesgos individuales de infección, que varían según diversas actividades respiratorias, particularmente estornudar o toser.
Bluetooth está omnipresente en las tecnologías modernas, pero se ha demostrado que los problemas de fiabilidad relacionados con la intensidad de la señal de los dispositivos afectan a su capacidad general de los dispositivos para medir distancias con precisión. Esto indica que los futuros sistemas AEN podrían preferir aumentar otras tecnologías, incluidas las mediciones de sonido ultrasónico. Esto plantea otro problema de privacidad, pero también presenta una alternativa más deseable si el cálculo de la distancia sigue un factor definitorio de los softwares de rastreo de contactos.
Los autores de este estudio decidieron, sin embargo, evaluar las aplicaciones del mundo real de los sistemas AEN utilizando una definición más concisa de dicho contacto. Los investigadores evaluaron la aplicación NHS COVID-19, lanzada en Inglaterra y Gales en septiembre de 2020, y descubrieron que 16,5 million de individuos en realidad usaba la aplicación con frecuencia, lo que representa el 49% de la población con teléfonos inteligentes o dispositivos compatibles. Se cree que, en última instancia, la aplicación puede haber ayudado a prevenir más de 224.000 infecciones entre octubre y diciembre de 2020 (Wymant et al., 2021). Además, se revisó la importancia de las máscaras para reducir el riesgo de propagación de partículas para identificar cómo la cantidad y el tamaño de las partículas pueden ser relevantes para el desarrollo de más sistemas AEN.
El factor rector que refuerza toda la investigación anterior es la adhesión del público a los sistemas AEN. Para garantizar una adopción inquebrantable y generalizada, la confianza y la lealtad del público son fundamentales para el funcionamiento y el éxito de los sistemas AEN, Para establecer esta credibilidad, los usuarios dispuestos deben dar liberalmente su consentimiento antes de la instalación. Dados los datos actuales, la certeza del consentimiento informado del usuario y la protección de la información personal pueden servir para alentar una defensa más amplia y cálida de AEN. Se espera que los individuos aprecien la mejora que presentan estas tecnologías para proteger su salud y la de sus seres queridos en lugar de sentir que su privacidad y sus derechos personales están siendo infringidos por el “Gran Hermano.”
Mientras que los sistemas AEN tienen potencial para combatir COVID-19 y otras enfermedades infecciosas que afectan a la salud pública, hay una demanda de un esquema más integral que evalúe numerosas y variadas modalidades de transmisión, incluida la filtración de máscaras, el tamaño de las gotas y las condiciones ambientales. Con más investigación y refinamiento, los sistemas AEN conscientes de la privacidad podrían ser una herramienta fundamental en el esfuerzo internacional para controlar y mitigar la propagación de COVID y de futuras pandemias.
Referencias
- Apple and Google. (2020) ‘Exposure Notification - Bluetooth Specification’, v1.2. Available at: https://blog.google/documents/70/Exposure_Notification_-_Bluetooth_Specification_v1.2.2.pdf/#:~:text=The%20Exposure%20Notification%20Bluetooth%20Specification,Bluetooth%20beaconing%20to%20detect%20proximity.&text=A%20user's%20Rolling%20Proximity%20Identifier,be%20correlated%20to%20a%20contact. [accessed 12 February 2023]
- Centers for Disease Control and Prevention. (2022) ‘Appendices’. Available at: https://www.cdc.gov/coronavirus/2019-ncov/php/contact-tracing/contact-tracing-plan/appendix.html [accessed 14 February 2023].
- Samuels. L. et al. (2022) ‘Automated Exposure Notification for COVID-19’, Journal of Young Investigators, 25(12), pp. 1–10. Available at: https://www.jyi.org/2022-december/2022/12/19/automated-exposure-notification-for-covid-19 [accessed 12 February 2023].
- Tiwari, T., Klausner, A., Andreev, M., Trachtenberg, A., Yerukhimovich, A. (2019) ‘Location Leakage from Network Access Patterns, in: 2019 IEEE Conference on Communications and Network Security (CNS)’, 2019 IEEE Conference on Communications and Network Security (CNS), Washington DC, DC, USA, pp. 214–222. Available at: https://doi.org/10.1109/CNS.2019.8802847.
- Wymant, C., Ferretti, L., Tsallis, D., Charalambides, M., Abeler-Dörner, L., Bonsall, D., Hinch, R., Kendall, M., Milsom, L., Ayres, M., Holmes, C., Briers, M., Fraser, C. (2021) ‘The epidemiological impact of the NHS COVID-19 app’, Nature, 594, pp. 408–412. Available at: https://doi.org/10.1038/s41586-021-03606-z [accessed 17 February 2023].
- Zhu, S., Kato, S., Yang, J.-H. (2006). ‘Study on transport characteristics of saliva droplets produced by coughing in a calm indoor environment’, Building and Environment, 41(12), pp. 1691–1702. Available at: https://doi.org/10.1016/j.buildenv.2005.06.024 [accessed 14 February 2023].
Communiqué de presse : Évaluation des notifications automatisées d'exposition pour l'atténuation du COVID-19
LEALAHNI WOULFE
ANGELA ZEMINGUI
Depuis 2020, les gouvernements et les organismes de santé ont été confrontés à des provocations sans précédent en réponse à la pandémie mondiale de la COVID-19. Dans un premier temps, les autorités ont adopté des stratégies traditionnelles de recherche des contacts, qui utilisaient les informations fournies par les personnes infectées pour identifier celles qui avaient pu être exposées à la COVID-19 à la suite d’un contact étroit.
Des méthodes électroniques de recherche des contacts sont rapidement apparues pour supplémenter cette pratique. Cependant, il est devenu de plus en plus évident que cet appui présentait un risque de fuite d’informations par les métadonnées (Tiwari et collab. ; 2019). Il existe incontestablement un équilibre délicat entre cette identification et le risque de transmission par rapport à des considérations prononcées en matière de sécurité. Par conséquent, les chercheurs ont constaté que les fuites de données pouvaient décourager les personnes de participer aux systèmes de recherche des contacts, ce qui, en fin de compte, nuit à l’efficacité de ces projets en sous-estimant la prolifération et l’exposition à la COVID-19. Il en résulterait une détérioration des résultats en matière de santé au sein de la société. Le bien-être général du public ne peut pas nuire au droit à la vie privée de l’individu.
En réponse à ces préoccupations, des systèmes de notification automatique d’exposition (NAE) anonymes et respectueux de la vie privée ont été développés à partir des communications Bluetooth à courte portée. Ces systèmes utilisent des signaux Bluetooth pour évaluer la proximité physique dans la zone de transmission présumée du virus (deux mètres de distance pendant un minimum de 15 minutes). Les téléphones intelligents équipés de logiciels NAE transmettent et reçoivent des jetons (définis comme des numéros de diffusion aléatoires) de la part d’autres diffuseurs situés à proximité. Les personnes dont l’infection par la COVID-19 a été confirmée téléchargeront anonymement des jetons dans un registre public, ce qui permettra aux personnes avec lesquelles elles sont entrées en contact de déterminer si elles ont été infectées.
Il existe une myriade de définitions des contacts étroits à travers le monde. Les Centres pour le contrôle et la prévention des maladies (CDC) la définissent comme « une distance de moins de six pieds pendant une durée cumulée de 15 minutes ou plus sur une période de 24 heures » (CDC, 2020). Samuels et son équipe ont relevé une contradiction entre ces exposés et ont en outre évalué les preuves de plus en plus nombreuses que les définitions actuelles du contact étroit sont trop atténuées pour articuler complètement les modalités de transmission du SRAS-CoV-2 (Samuels et collab., 2022). Par conséquent, en se recentrant sur les éléments favorisant la transmission, tels que les aérosols, les masques filtrants et les conditions environnementales, ces groupes pourraient être en mesure de réduire sensiblement la transmission et les infections virales en renforçant l’efficacité des directives concernant les contacts étroits.
Contrairement aux technologies Bluetooth traditionnelles, les communications Bluetooth à faible consommation d’énergie consomment beaucoup moins d’énergie, car les émissions sont moins fréquentes. Cela signifie que l’énergie est mieux économisée et que les appareils restent en ligne plus longtemps. La confidentialité est préservée, car l’identifiant du signal Bluetooth diffusé est temporaire. Avec la publication du système de notification d’exposition Google/Apple en mai 2020, ce logiciel a permis de garantir que l’identifiant de proximité mobile et les métadonnées cryptées associées changent toutes les 15 minutes afin de contourner le suivi sans fil. Une clé d’exposition temporaire change également toutes les 24 heures pour préserver la confidentialité (Google, 2020).
Bien que cette approche de la recherche des contacts soit prometteuse, des recherches récentes ont montré que les canaux de communication à courte portée, tels que Bluetooth, peuvent être imprécis pour modéliser les risques de transmission. Les mesures de distance effectuées à l’aide de la technologie Bluetooth ne sont pas optimales pour évaluer le risque d’exposition et la prévalence. Surtout parce que les chercheurs ont démontré à plusieurs reprises que les gouttelettes étaient capables de parcourir des distances supérieures à deux mètres (Zhu et collab., 2006), les particules plus modestes restant en suspension dans l’air environ six à huit mètres de leur lieu d’éjection d’origine. En réalité, il a été démontré que les systèmes NAE sont plus efficaces avec les technologies détectant l’activité respiratoire, l’état du masque et les conditions environnementales. Tous ces éléments permettent de connaître les risques individuels d’infection, qui varient en fonction de diverses activités respiratoires, notamment l’éternuement ou la toux.
Le Bluetooth est omniprésent dans les technologies modernes, mais il a été démontré que les problèmes de fiabilité concernant la puissance des signaux des appareils affectent leur capacité globale à mesurer précisément les distances. Cela indique que les futurs systèmes NAE pourraient préconiser de préférence l’utilisation d’autres technologies, notamment les mesures aux ultrasons. Cela pose un problème supplémentaire en matière de la confidentialité, mais constitue également une solution de rechange plus souhaitable si le calcul de la distance doit rester un facteur déterminant pour les logiciels de recherche de contacts.
Les auteurs de cette étude ont toutefois décidé d’évaluer les applications réelles des systèmes NAE en utilisant une définition plus concise de ce type de contact. Les chercheurs ont évalué l’application NHS COVID-19, lancée en Angleterre et au Pays de Galles en septembre 2020 et ont constaté que 16,5 millions de personnes utilisaient fréquemment l’application, ce qui représente 49 % de la population disposant de téléphones intelligents ou d’appareils compatibles. On estime que l’application a finalement permis d’éviter plus de 224 000 infections entre octobre et décembre 2020 (Wymant et collab., 2021). En outre, l’importance des masques dans la réduction du risque de propagation des particules a été examinée afin d’identifier comment la quantité et la taille des particules peuvent être pertinentes pour le développement de nouveaux systèmes NAE.
Le facteur déterminant de toutes les recherches susmentionnées est l’adhésion du public aux systèmes NAE. Afin de garantir une adoption inébranlable et généralisée, la confiance et l’allégeance du public sont fondamentales pour le fonctionnement et le succès des systèmes NAE. Pour établir cette crédibilité, les utilisateurs volontaires doivent donner librement leur consentement avant l’installation. Compte tenu des données actuelles, la certitude d’un consentement éclairé de l’utilisateur et de la protection des données personnelles peut servir à encourager un plaidoyer plus large et plus chaleureux en faveur des systèmes de NAE. Il est à espérer que les individus seront reconnaissants de l’amélioration que ces technologies apportent à la protection de leur santé et de celle de leurs proches, plutôt que d’avoir l’impression que leur vie privée et leurs droits personnels sont violés par un « grand frère ».
Alors que les systèmes NAE ont le potentiel de combattre la COVID-19 et d’autres problèmes infectieux pour la santé publique, il existe une demande pour un cadre plus complet qui évalue des modalités de transmission nombreuses et variées, y compris la filtration du masque, la taille des gouttelettes et les conditions environnementales. En poursuivant les recherches et en les affinant, les systèmes NAE respectueux de la confidentialité pourraient constituer un outil essentiel dans l’effort international de contrôle et d’atténuation de la propagation de la COVID-19 et des pandémies à venir.
Références
- Apple and Google. (2020) ‘Exposure Notification - Bluetooth Specification’, v1.2. Available at: https://blog.google/documents/70/Exposure_Notification_-_Bluetooth_Specification_v1.2.2.pdf/#:~:text=The%20Exposure%20Notification%20Bluetooth%20Specification,Bluetooth%20beaconing%20to%20detect%20proximity.&text=A%20user's%20Rolling%20Proximity%20Identifier,be%20correlated%20to%20a%20contact. [accessed 12 February 2023]
- Centers for Disease Control and Prevention. (2022) ‘Appendices’. Available at: https://www.cdc.gov/coronavirus/2019-ncov/php/contact-tracing/contact-tracing-plan/appendix.html [accessed 14 February 2023].
- Samuels. L. et al. (2022) ‘Automated Exposure Notification for COVID-19’, Journal of Young Investigators, 25(12), pp. 1–10. Available at: https://www.jyi.org/2022-december/2022/12/19/automated-exposure-notification-for-covid-19 [accessed 12 February 2023].
- Tiwari, T., Klausner, A., Andreev, M., Trachtenberg, A., Yerukhimovich, A. (2019) ‘Location Leakage from Network Access Patterns, in: 2019 IEEE Conference on Communications and Network Security (CNS)’, 2019 IEEE Conference on Communications and Network Security (CNS), Washington DC, DC, USA, pp. 214–222. Available at: https://doi.org/10.1109/CNS.2019.8802847.
- Wymant, C., Ferretti, L., Tsallis, D., Charalambides, M., Abeler-Dörner, L., Bonsall, D., Hinch, R., Kendall, M., Milsom, L., Ayres, M., Holmes, C., Briers, M., Fraser, C. (2021) ‘The epidemiological impact of the NHS COVID-19 app’, Nature, 594, pp. 408–412. Available at: https://doi.org/10.1038/s41586-021-03606-z [accessed 17 February 2023].
- Zhu, S., Kato, S., Yang, J.-H. (2006). ‘Study on transport characteristics of saliva droplets produced by coughing in a calm indoor environment’, Building and Environment, 41(12), pp. 1691–1702. Available at: https://doi.org/10.1016/j.buildenv.2005.06.024 [accessed 14 February 2023].
评估 自动暴露通知对缓解2019 新冠肺炎 的效果
LEALAHNI WOULFE
Joyce Lam
自2020年以来，政府和卫生机构在应对全球2019 新冠肺炎大流行时面临了前所未有的挑战。最初，当局采用了传统的接触追踪策略，利用感染者的信息来识别那些可能因为密切接触而接触到2019 新冠肺炎的人。
随后，电子接触追踪的方法迅速出现，以补充这种做法。然而，越来越明显的是，这种媒介存在潜在的泄露个人元数据的风险（Tiwari等人，2019年）。无庸置疑，当与明确的隐私考虑相比，这种识别与量化传播风险之间存在着微妙的平衡。因此，研究人员发现泄露的数据可能会阻碍个人参与接触追踪系统，最终低估2019 新冠肺炎的传播和暴露，从而削弱这些项目的效率。毫无疑问，这将损害社会中的健康结果。公众的广泛福祉不能否定个人的隐私权利。
针对这些担忧，基于蓝牙短距离通信技术，开发了匿名且注重隐私的自动曝光通知（Automated Exposure Notification，简称AEN）系统。这些系统利用蓝牙信号来评估在预定病毒传播范围内的身体接触近距离（最少15分钟，2米以内）。配备AEN软体的智能手机会与周围的其他广播设备传输和接收符号标记（也称为随机广播号码)。已确诊2019 新冠肺炎的人将匿名上传符号标记到公共登记处，使他们可能接触到的人可以确定是否被感染。
全球范围内密切接触存在着各种不同的定义。美国疾病控制与预防中心（CDC）将其定义为“在24小时内，与距离不超过6英尺的人持续接触15分钟或更长时间”（CDC，2020年）。萨缪尔斯（Samuels）等人指出，这种定义与日益增多的证据相矛盾，这些证据表明当前的密切接触定义过于狭窄，不能全面说明SARS-CoV-2传播方式（Samuels等人，2022年）。因此，通过重新聚焦传播的主要要素，例如小气溶胶、口罩过滤和环境条件，更能够增强当前密切接触指引的有效性，并显着减少病毒传播和感染。
与传统蓝牙技术相反，低功耗蓝牙通信由于广播频率较低，因此能够大幅降低功耗。这意味着能够更好地节省电力，使设备在更长的时间内保持在线状态。值得注意的是，由于广播的蓝牙信号中的识别符号是临时的，因此隐私得到保护。随着2020年5月中旬Google/苹果曝光通知系统（Google/Apple Exposure Notification，简称GAEN）的推出，该软件确保滚动接近识别符号和相关的加密元数据信号每15分钟更换一次，以避免无线跟踪。每24小时还会更换一次临时接触密钥以保护隐私（Google，2020年）。
尽管这种接触追踪方法令人鼓舞，但最近的研究表明，使用像蓝牙这样的短距离技术模拟传播风险可能不太准确,以其量度距离来评估暴露风险和流行情况并不理想，尤其是考虑到研究人员一直发现无论是大滴还是小滴的飞沫能够在2米以上的距离传播（Zhu等人，2006年），而较小的微粒则可以悬浮在离其原始喷射地点悬浮于6-8米的空气中。实际上，在感知呼吸活动、口罩状态和环境条件的的技术方面,已经证明AEN系统表现更好。取决于各种呼吸活动，特别是喷嚏或咳嗽, 以确定个人感染风险, 非常有帮助。
蓝牙在现代技术中无处不在，但是关于设备信号强度的可靠性问题已被证明会影响设备准确测量距离的能力。这表明未来的AEN系统可能会优先推荐与其他技术相结合，包括超声波测量。如果距离计算仍然是接触追踪软件的一个关键因素的话, 这确实提出了进一步的隐私问题，但同时也提供了一个更理想的选择。
然而，该研究的作者决定评估AEN系统的实际应用，并使用更简明的接触定义。研究人员评估了英格兰和威尔士于2020年9月推出的NHS 2019 新冠肺炎应用程式，发现有1650万人实际上经常使用该应用程式，这相当于配备兼容智能手机或设备的人口的49％。据信该应用程式最终有助于在2020年10月至12月之间预防了超过22.4万个感染案例（Wymant等人，2021年）。此外，亦检视了口罩在减少颗粒传播风险方面的重要性，以确定颗粒的数量和大小如何与进一步发展AEN系统的相关性。
以上所有研究的基本因素是公众对AEN系统的遵守。为了确保AEN系统的坚定和广泛应用，公众的信任和忠诚对于AEN系统的运作和成功至关重要。为了建立这种信任，愿意使用者在安装之前必须自愿的同意。根据目前的数据，确保知情用户同意和个人信息的保护，可能有助于鼓励更广泛和热情支持AEN。希望个人能够理解这些技术在保护他们自己和他们所爱的人的健康方面所带来的改善，而不是感觉到他们的隐私和个人权利受到“老大哥”侵犯。
尽管AEN系统在应对2019 新冠肺炎和其他对公共卫生构成威胁的传染病方面具有潜力，但人们对一个更全面的框架的需求越来越迫切，该框架能够评估多种不同的传播方式，包括口罩过滤、飞沫大小和环境条件。通过进一步的研究和改进，注重隐私的AEN系统可以成为国际社会努力控制和缓解2019 新冠肺炎和未来疫情传播的关键工具。
来源
- Apple and Google. (2020) ‘Exposure Notification - Bluetooth Specification’, v1.2. Available at: https://blog.google/documents/70/Exposure_Notification_-_Bluetooth_Specification_v1.2.2.pdf/#:~:text=The%20Exposure%20Notification%20Bluetooth%20Specification,Bluetooth%20beaconing%20to%20detect%20proximity.&text=A%20user's%20Rolling%20Proximity%20Identifier,be%20correlated%20to%20a%20contact. [accessed 12 February 2023]
- Centers for Disease Control and Prevention. (2022) ‘Appendices’. Available at: https://www.cdc.gov/coronavirus/2019-ncov/php/contact-tracing/contact-tracing-plan/appendix.html [accessed 14 February 2023].
- Samuels. L. et al. (2022) ‘Automated Exposure Notification for COVID-19’, Journal of Young Investigators, 25(12), pp. 1–10. Available at: https://www.jyi.org/2022-december/2022/12/19/automated-exposure-notification-for-covid-19 [accessed 12 February 2023].
- Tiwari, T., Klausner, A., Andreev, M., Trachtenberg, A., Yerukhimovich, A. (2019) ‘Location Leakage from Network Access Patterns, in: 2019 IEEE Conference on Communications and Network Security (CNS)’, 2019 IEEE Conference on Communications and Network Security (CNS), Washington DC, DC, USA, pp. 214–222. Available at: https://doi.org/10.1109/CNS.2019.8802847.
- Wymant, C., Ferretti, L., Tsallis, D., Charalambides, M., Abeler-Dörner, L., Bonsall, D., Hinch, R., Kendall, M., Milsom, L., Ayres, M., Holmes, C., Briers, M., Fraser, C. (2021) ‘The epidemiological impact of the NHS COVID-19 app’, Nature, 594, pp. 408–412. Available at: https://doi.org/10.1038/s41586-021-03606-z [accessed 17 February 2023].
- Zhu, S., Kato, S., Yang, J.-H. (2006). ‘Study on transport characteristics of saliva droplets produced by coughing in a calm indoor environment’, Building and Environment, 41(12), pp. 1691–1702. Available at: https://doi.org/10.1016/j.buildenv.2005.06.024 [accessed 14 February 2023].