Países del G-7 trabajan con modelos matemáticos para estudiar la epidemia

Cuanto más se intenta afinar el modelo, más difícil será manipularlo

Afp
Foto: Reuters
La Jornada Maya

París, Francia
Lunes 17 de febrero, 2020

Con el fin de predecir la evolución de la epidemia del Covid-19 (coronavirus) todas las armas son útiles, incluidos los modelos matemáticos y las simulaciones con computadora, aunque su margen de error es un riesgo, de acuerdo con expertos.

Para construir esos modelos se toman numerosos parámetros relacionados a la vez con el virus (probabilidad de transmisión, probabilidad de muerte o de curación de un individuo infectado) y el comportamiento de las poblaciones, empezando por sus desplazamientos.

Esos modelos matemáticos dan a las autoridades sanitarias pautas sobre la amplitud de la crisis y sobre las medidas que hay que tomar.

La ministra francesa de Salud, Agnès Buzyn, declaró el viernes que el club de países más avanzados, el G-7, trabaja en “modelos de diferentes escenarios en función de la gravedad y del alto grado de contagio de la epidemia.

Pero hay un precio a pagar: cuanto más se intenta afinar el modelo, más difícil será manipularlo y más incertidumbre puede generar, explica Arnaud Banos, del Centro de Investigaciones científicas francés.

Para intentar reflejar lo más adecuadamente posible la situación en tiempo real, los investigadores hacen simulaciones inyectando constantemente nuevos datos a medida que van surgiendo.

Por ejemplo, la aparición de un nuevo foco o alguna medida política o de salud pública que el modelo no puede predecir, añade Banos.

Gracias a ese tipo de modelo, un equipo británico de la London School of Hygiene & Tropical Medicine estimó esta semana que a finales de febrero se llegará al pico de la epidemia de Covid-19 en la ciudad china de Wuhan, donde surgió el brote.

De todas maneras subsisten numerosas incertidumbres sobre el momento exacto en que eso sucederá y sobre el número de casos que representará, advierte Adam Kucharski, uno de los investigadores.

Este análisis está firmado por un equipo experimentado, pero como siempre, la falta de datos disponibles corre el riesgo de afectar sus previsiones, comentó por su lado un científico que no participó en esos trabajos, Rowland Kao profesor de la universidad de Edimburgo.

De hecho, en los inicios de una epidemia, los modelos pueden conllevar errores por los numerosos interrogantes que subsisten. Ese fue el caso por ejemplo de la segunda forma humana de la enfermedad de las vacas locas, en la segunda mitad de los años 1990.

La inteligencia artificial ha ido ganando terreno en la elaboración de estos modelos.

El objetivo es detectar lo que se denominan señales débiles, por ejemplo, individuos que comparten posibles síntomas en las redes sociales, menciona el investigador Banos.