Modelización computacional para la toma de decisiones sanitarias frente al COVID-19

También disponible en www.conicet.gov.ar

PARANA. Imagen con Georeferenciación. Los cuadrados representan edificios, los amarillos son viviendas y los que tiene borde azul son lugares de trabajo.

ORO VERDE. En verde vemos los lugares recreativos como parques, polideportivos, canchas, en azul los comercios, y en blanco las viviendas.

Es un modelo basado en agentes (ABM) que “parte de una propuesta de modelado matemático que fuera formulado en 1927 por un matemático y un biólogo, quienes publican un sistema de tres ecuaciones diferenciales no lineales que le permiten describir la dinámica de una epidemia. De aquella primera propuesta a hoy se ha ido evolucionando, entonces aparece el concepto del asintomático en las gripes y un esquema más nuevo que incorpora los latentes o expuestos. Además, nosotros tomamos como base, un patrón matemático que presentaron, en mayo de este año, un grupo de científico de España, Italia y Portugal”, relató el responsable del grupo, Carlos Pais, docente e investigador de la UNER.

Esta matriz simula una especie de sociedad virtual artificial, persona a persona, reflejando detalles acerca de las costumbres del lugar, el tipo y horarios de la actividad cotidianas -el trabajo, el tiempo de estudio, de ocio-, el estado de salud y los principales puntos de reunión, los cuales son localizados y geo-referenciados para cada centro urbano.

Una vez que el ABM captura, a partir de la recolección de datos específicos, las principales características del lugar, “es posible utilizarlo para ensayar distintas medidas y sus posibles efectos en la evolución de la cantidad de personas infectadas, hospitalizadas o fallecidas a raíz de la epidemia”, señala Leonardo Rufiner, investigador del CONICET en el Instituto de Investigación en Señales, Sistemas e Inteligencia Computaciona (SINC(I), CONICET-UNL) y profesor de la Universidad Nacional del Litoral y docente de la UNER.

A partir de la experiencia de modelado en las ciudades de Oro verde y de Paraná, se le fueron adicionando características específicas de la pandemia de COVID-19, desde efectos epidemiológicos que imprimen los individuos infecciosos asintomáticos hasta información respecto a la adhesión, o no, de las personas al uso de barbijo y el efecto del clima en la dinámica de la transmisión y propagación de la enfermedad. A los datos estadísticos y la Big Data que nutren el ABM, se suman resultados de encuestas o sondeos de opinión.

La ventaja que tiene el modelo basado en agentes, dice Pais, “es que permite representar todas las cuestiones particulares. Es decir, frente a sistemas heterogéneos, aleatorios y cambiantes, podemos simular los confinamientos, los distintos protocolos, los tipos de contacto, las edades, y como juegan en la transmisión del virus”.

Código abierto

“Respecto al COVID-19 existen relativamente pocos modelos con esta técnica a nivel mundial, pero están ajustados a situaciones particulares y no permiten adaptarlos a una nueva situación de manera sencilla. Así que, uno de los objetivos de este proyecto es que sea de código abierto de manera tal que se puedan aplicar -con asistencia del grupo -a distintas situaciones en el país o el exterior”, cuenta Rufiner.

El grupo no se planea comercializar el modelo, ya que, una vez finalizado el trabajo, va a ser de dominio público y código abierto, es decir, se pondrá a disposición de todo el mundo de manera gratuita, permitiendo su reutilización o adaptación a contextos diferentes. Además, se proporcionará acceso a toda la documentación y artículos técnicos relacionados.

Futuro

En este momento el equipo se encuentra trabajando en las ciudades del interior de Entre Ríos, para poder aplicar el modelado computacional a toda la provincia. Luego, van a desarrollar el ABM para la provincia de Santa Fe, comenzando con la ciudad capital. El objetivo es poder finalmente generalizar el modelo a todo el país.

Hasta el momento se ha conseguido validar los resultados predichos para la ciudad de Paraná, frente a la implementación de las distintas políticas de aislamiento y distanciamiento que se vienen aplicando desde el mes de junio. También se consiguió verificar cómo el modelo se adapta a las diferentes temperaturas y cambios en las costumbres, principalmente vinculadas al uso del barbijo, el distanciamiento, los eventos o reuniones y las actividades al aire libre.

Validación del modelo

La validación consistió en un conjunto de etapas: “ajuste de parámetros, contraste y testeo”, remarca el responsable del equipo. Para la primera etapa, que apuntaba a obtener los principales parámetros del submodelo matemático de infectividad que se incluye dentro del ABM, se propusieron reproducir lo sucedido en Vo, en un pequeño pueblo de Italia, ya que contaban con datos detallados de la evolución pandémica. De esta manera, se logró replicar lo ocurrido en ese municipio.

Una vez definidos los parámetros específicos necesarios para la replicación, se procedió a contrastar los resultados del modelo con otra localidad, perteneciente a la comunidad de Madrid. “La validación se hace contra situaciones reales: tenemos muchos datos, sobre todo de ciudades de Europa, donde existe información fehaciente y detallada de cómo evolucionó la epidemia en cada lugar”, aporta Pais. Por último, el testeo se realizó en una localidad argentina. Una vez que se logró que el sistema reproduzca fielmente la evolución de la epidemia en estas situaciones particulares, era necesario ajustar el resto de los parámetros del ABM a las condiciones geográficas, climáticas y sociales específicas para poder predecir la evolución de las variables de la pandemia para las ciudades de Oro Verde y Paraná.

Por Paula Pochettino

Más información:

https://covid.ingenieria.uner.edu.ar/course/view.php?id=10