Gemelos digitales para predecir el avance de pandemias

Investigadores de las universidades de Vigo y Santiago desarrollan un código con este objetivo que, aunque parte del escenario del Covid, podría aplicarse a otras dolencias

Investigadores de las universidades de Vigo y Santiago de Compostela han logrado desarrollar un código basado en el concepto de gemelo digital que permite predecir la evolución de dolencias infecciosas como el Covid a corto, medio y largo plazo, teniendo en cuenta lo acontecido hasta una fecha determinada y considerando distintos escenarios según las medidas tomadas.

Interacción modelo realidad

El trabajo acaba de ser publicado en la revista Mathematical Methods in the Applied Sciences bajo el título ‘Concept and solution of digital twin based on a Stieltjes differential equation’, firmado por Iván Area (Universidad de Vigo) y Francisco J. Fernández, Juan José Nieto y Adrián F. Tojo (Universidad de Santiago de Compostela), investigadores pertenecientes en su mayor parte también al CITMAga, Centro de Investigación y Tecnología Matemática de Galicia.

La noción de gemelo digital, explican los investigadores, tiene su origen en la Nasa, con la finalidad de mejorar la simulación del modelo físico de una nave aeroespacial. “La idea de fondo es disponer de un modelo que pueda explicar la realidad, la propia realidad y sobre todo la posibilidad de interactuar la realidad con el modelo y recíprocamente”, afirman los autores del trabajo.

En el caso de la pandemia de Covid, comenta Iván Area, miembro del Departamento de Matemática Aplicada II de la Universidad de Vigo y profesor de la Escuela de Ingeniería Aeronáutica y del Espacio del campus de Ourense, “tenemos claramente las tres partes: los datos de la pandemia, un modelo virtual que permite analizar dolencias y, la novedad, la interacción entre la realidad y el modelo para incrementar la precisión de las predicciones”.

En esta pandemia, señalan los investigadores de la UVigo y USC, hubo “múltiples estadios con muy distintas situaciones a nivel práctico, que variaron desde el confinamiento total, el empleo de máscaras en interiores y exteriores, solo en interiores, vacunación a los distintos grupos de edad, etc”. De este modo, detallan, las tasas de transmisión de Covid también variaron en cada uno de los estadios. “Lo que hicimos fue emplear la idea de gemelos digitales para definir un modelo de tipo compartimental que nos permite actualizar las distintas tasas con la periodicidad idónea y poder predecir el futuro con un alto grado de precisión”, señala Juan José Nieto, catedrático de Análisis Matemática de la Universidad de Santiago de Compostela.

Para poder incrementar aun más la precisión de las predicciones, los investigadores emplearon “una herramienta altamente potente, pero con un mayor grado de complejidad tanto desde el punto de vista analítico como computacional”. Se trata de las llamadas derivadas de Stieltjes, que “permiten considerar procesos que tienen distintos impulsos”, tal y como afirma Francisco J. Fernández, profesor también de la Universidad de Santiago de Compostela.

Posibilidades del código desarrollado

El código desarrollado, destacan los matemáticos, “permite hacer predicciones de la evolución de la dolencia a corto, medio y largo plazo, teniendo en cuenta lo acontecido hasta una fecha determinada”. También permite, añaden, observar cómo habría sido la evolución en el caso de no haber adoptado distintas medidas durante la pandemia, tanto de mayor control como de relajación. “Son futuros que no se produjeron, algunos de ellos afortunadamente”, señala Adrián F. Tojo, también profesor de la USC.

Por último, el grupo de investigadores recalcan la importancia del trabajo hecho pues es modificable para otras dolencias. “Podemos predecir el avance de la gripe con una elevadísima precisión, que es fundamental para la toma de decisiones”, afirman. Estas predicciones, añaden, “serían muy útiles en futuras epidemias”. Esta investigación contó con el apoyo de la Agencia Estatal de Investigación, Instituto de Salud Carlos III y de la Xunta de Galicia.