Todos los modelos de enfermedades son ‘erróneos’, pero los científicos están trabajando para solucionarlo
El virus Zika puede ser transmitido por mosquitos de la especie Aedes aegypti Crédito: CDC
Un equipo internacional de investigadores ha desarrollado una nueva herramienta matemática que podría ayudar a los científicos a ofrecer predicciones más precisas sobre cómo las enfermedades, incluida la COVID-19, se propagan por pueblos y ciudades de todo el mundo.
Rebecca Morrison, profesora asistente de informática en la Universidad de Colorado Boulder, dirigió la investigación. Durante años, ha dirigido una especie de taller de reparación de modelos matemáticos, esas cadenas de ecuaciones y suposiciones que los científicos usan para comprender mejor el mundo que los rodea, desde la trayectoria del cambio climático hasta cómo se queman los productos químicos en una explosión.
Como dijo Morrison, «Mi trabajo comienza cuando los modelos comienzan a fallar».
Ella y sus colegas recientemente se fijaron en un nuevo desafío: los modelos epidemiológicos. En otras palabras, ¿qué pueden hacer los investigadores cuando sus pronósticos sobre la propagación de enfermedades infecciosas no coinciden con la realidad?
En un estudio publicado hoy en la revista Chaos, Morrison y el matemático brasileño Americo Cunha recurrieron a la Brote de 2016 del virus Zika como caso de prueba. Informan que un nuevo tipo de herramienta llamada «operador de discrepancia incrustado» podría ayudar a los científicos a corregir modelos que no alcanzan sus objetivos, alineando de manera efectiva los resultados del modelo con datos del mundo real.
Morrison se apresura a señalar que los hallazgos de su grupo son específicos para el zika. Pero el equipo ya está tratando de adaptar sus métodos para ayudar a los investigadores a adelantarse a un segundo virus, el COVID-19.
«No creo que esta herramienta vaya a resolver ninguna crisis epidemiológica por sí sola». «, dijo Morrison. «Pero espero que sea otra herramienta más en el arsenal de epidemiólogos y modeladores en el futuro».
Cuando los modelos fallan
El estudio destaca un problema común al que se enfrentan los modeladores.
«Existen muy pocas situaciones en las que un modelo se corresponda perfectamente con la realidad. Por definición, los modelos se simplifican a partir de la realidad», dijo Morrison. «De una forma u otra, todos los modelos están equivocados».
Cunha, profesor asistente en la Universidad Estatal de Río de Janeiro, y sus colegas se encontraron con ese mismo problema hace varios años. Estaban tratando de adaptar un tipo común de modelo de enfermedad llamado modelo Susceptible, Expuesto, Infectado o Recuperado (SEIR) para recrear el brote del virus Zika de principio a fin. En 2015 y 2016, este patógeno se extendió por Brasil y otras partes del mundo, causando miles de casos de defectos congénitos graves en bebés.
Arriba: Un aviso de salud sobre el virus Zika colocado cerca de un control de seguridad del aeropuerto en San Juan, Puerto Rico, en 2016; abajo: Gráfico que muestra el éxito de diferentes modelos en la predicción de casos de Zika registrados en Brasil en cientos de miles durante las semanas desde que comenzó el brote. Los triángulos azules representan los casos registrados, mientras que las líneas naranja, verde y violeta muestran varias versiones del modelo de enfermedad original. La línea roja corresponde al modelo «enriquecido» que desarrollaron Morrison y Cunha. Crédito: CDC; Morrison y Cunha, 2020.
El problema: independientemente de lo que intentaran los investigadores, sus resultados no coincidían con el número registrado de casos de Zika, y en algunos casos calcularon erróneamente el número de personas infectadas por decenas de miles.
Tal déficit no es poco común, dijo Cunha.
«Las acciones que tome hoy afectarán el curso de la enfermedad», dijo. «Pero no verás los resultados de esa acción hasta dentro de una semana o incluso un mes. Este efecto de retroalimentación es extremadamente difícil de capturar en un modelo».
En lugar de abandonar el proyecto, Cunha y Morrison se unieron para ver si podían arreglar el modelo. Específicamente, preguntaron: si el modelo no estaba replicando datos del mundo real, ¿podrían usar esos datos para diseñar un modelo mejor?
Ingrese el operador de discrepancia incrustado. Puede imaginar esta herramienta, que Morrison desarrolló por primera vez para estudiar la física de la combustión, como una especie de espía que se encuentra dentro de las entrañas de un modelo. Cuando los investigadores introducen datos en la herramienta, esta ve y responde a la información, luego reescribe las ecuaciones subyacentes del modelo para que coincidan mejor con la realidad.
«A veces, no sabemos las ecuaciones correctas para usar en un modelo ”, dijo Cunha. «La idea detrás de esta herramienta es agregar una corrección a nuestras ecuaciones».
El método funcionó. Después de dejar que su operador hiciera lo suyo, Morrison y Cunha descubrieron que casi habían eliminado la brecha entre los resultados del modelo y los registros de salud pública.
Ser honestos
El equipo no se detiene en Zika. Morrison y Cunha ya están trabajando para implementar su misma estrategia para tratar de mejorar los modelos de la pandemia de coronavirus.
Morrison duda que cualquier modelo de enfermedad sea 100% exacto. Pero, dijo, estas herramientas siguen siendo invaluables para informar las decisiones de salud pública, especialmente si los modeladores son francos sobre lo que sus resultados pueden o no pueden decir sobre una enfermedad.
«Esta epidemia ha revelado lo difícil que es es modelar un sistema real», dijo Morrison. «Pero espero que la gente no tome eso como que no debemos confiar en nuestros científicos».
Explore más
La falta de datos dificulta la predicción de la propagación de la COVID-19, pero los modelos siguen siendo vitales Más información: Rebecca E. Morrison et al, Discrepancia del modelo incorporado: un estudio de caso de Modelado de Zika, Caos: una revista interdisciplinaria de ciencia no lineal (2020). DOI: 10.1063/5.0005204 Información de la revista: Chaos
Proporcionado por la Universidad de Colorado en Boulder Cita: Todos los modelos de enfermedades son ‘incorrectos’, pero los científicos están trabajando para solucionarlos. eso (5 de mayo de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-05-disease-wrong-scientists.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.