Modelos predictivos que ayuden a ‘aplanar y reducir la curva’

Ayudar a tomar medidas que consigan ‘aplanar y reducir la curva’ es uno de los objetivos del proyecto de investigación liderado por el profesor Rubén López Nicolás, del departamento de Tecnología de Alimentos, Nutrición y Bromatología de la Universidad de Murcia. Bajo el título ‘Simulación y análisis de datos del brote de covid-19 mediante técnicas estadísticas avanzadas e Inteligencia Artificial (IA)’, el estudio en el que trabaja este grupo, vinculado al Instituto Murciano de Investigación Biosanitaria (IMIB), pretende crear modelos predictivos de evaluación del riesgo actualizados y específicos para dicho patógeno, que permitirían tomar mejores decisiones con antelación suficiente de cara a futuros brotes asociados a este virus.

Con un enfoque más computacional que matemático, el proyecto propone una simulación de brotes de covid-19 para modelar las opciones de transmisión del virus durante las interacciones de individuos en general. La complicación del modelado “nos hará comenzar con las opciones de simulación más simples para progresar en complejidad, según factores ambientales, parámetros de interacción entre individuos, variaciones de comportamiento y de probabilidad de infección, etc.”, explica el investigador, quien destaca que los resultados proporcionarían el efecto conseguido de implementar, de un modo anticipado y selectivo, diversas intervenciones no establecidas previamente a una pandemia.

Esas simulaciones pueden ayudar a diseñar diversas intervenciones de carácter oficial que ayuden a limitar o retrasar la propagación del virus, y que disminuyan la tensión sobre los mecanismos y recursos de respuesta que ofrece la Salud Pública a la epidemia. Entre otras funciones, permitirían explorar los posibles efectos de diversas combinaciones de acciones –y en los momentos en que se realizan– para explicar la propagación o contención de un brote.

Apoyo para la toma de decisiones

Algunas determinaciones que se esperan obtener son el factor de crecimiento respecto al tamaño de la población afectada al comienzo del brote, según avanza el tiempo y las intervenciones que se realizan. Otros valores de interés podrían ser el tamaño del propio brote, la tasa de mortalidad, la severidad de infección, la capacidad de infección actual, el número de reproducción de casos, el pico de la curva epidémica, el número de reproducción efectiva instantánea, el número de infectados reales, la ratio de mortalidad en relación a los infectados por franjas de edad y países/región, etc.

Los responsables del programa afirman que la información obtenida puede ser de gran ayuda para la evaluación y planificación de la respuesta de Salud Pública a esta enfermedad, mediante la elaboración de informes o de herramientas de apoyo para la toma de decisiones. Asimismo, lasimulación de los cálculos y la integración en los mismos de técnicas de IA, con la fuente de datos adecuada, “podría ser una buena oportunidad para aprender de los errores y aprovechar los aciertos en cuanto a la aplicación de modelos de IA y matemáticos de riesgo para simular un brote epidémico. Además, el establecimiento de una correcta metodología puede ser aplicable a otros virus como modelo de evaluación de riesgo”, añaden.

En concreto, la metodología empleada incluye paquetes de programación en R (un lenguaje de programación con enfoque estadístico y de aplicación en el desarrollo de técnicas de aprendizaje computacional), combinados con lenguajes y herramientas propias de la IA (Python, Java y Weka).

Diversos escenarios

Los datos epidemiológicos y de incidencia de covid-19 obtenidos mediante este estudio son sometidos a limpieza y manipulación, distinguiendo, por ejemplo, entre recuentos acumulados y diarios o entre casos de infectados locales e importados. Asimismo, se divide la población en grupos de edad y por ubicaciones geográficas con el fin de modelar la interacción de los grupos que formen la población infectada. Todo ello permitirá plantear diversos escenarios de predicción en base a distintas medidas de intervención, estudiando además cómo evolucionaría la situación en caso de no poner en marcha acción alguna para contener el brote.

“En definitiva, los resultados de este proyecto estarían en la línea de actuar sobre el ‘aplanamiento de la curva’ y ‘reducción de la curva’. De modo adicional, se podría prever el comportamiento del virus en caso de un rebrote de la infección”, puntualiza López Nicolás.

El proyecto 'Simulación y análisis de datos del brote de Covid-19 mediante técnicas estadísticas avanzadas e inteligencia artificial', está liderado por Rubén López Nicolás, del departamento de Tecnología de Alimentos, Nutrición y Bromatología de la Universidad de Murcia - Instituto Murciano de Investigación Biosanitaria (IMIB).

En el proyecto también colaboran el Grupo de investigación E069-01 Inteligencia Artificial e Ingeniería del Conocimiento del departamento Ingeniería de la Información y las Comunicaciones de la Facultad de Informática (Universidad de Murcia) que cuenta con experiencia en predicción de brotes de infecciones bacterianas resistentes en hospitales. Y el Grupo de investigación HIBRO del departamento de Bromatología y Tecnología de los Alimentos (Universidad de Córdoba) especializados en el estudio y desarrollo de modelos predictivos de probabilidad, crecimiento e inactivación de microorganismos.