Xemelgos dixitais ao servizo das pandemias
Investigadores da USC e da UVigo lograron desenvolver un código baseado no concepto de ‘xemelgo dixital’, co que predicir a evolución de doenzas como a COVID-19 a curto, medio e longo prazo. Así, a través dunha simulación virtual poden observar como tería sido a evolución da pandemia no caso de non ter adoptado distintas medidas, tanto de maior control como de relaxación.
O artigo titulado ‘Concept and solution of digital twin based on a Stieltjes differential equation’ e publicado na revista Mathematical Methods in the Applied Sciences, toma como punto de partida a noción de ‘xemelgo dixital’, un concepto que ten a súa orixe na NASA e que xurdiu coa vontade de mellorar a simulación do modelo físico dunha nave aeroespacial. En concreto, o ‘xemelgo dixital’ é unha representación virtual dun obxecto, proceso ou servizo físico. Estas réplicas virtuais son utilizadas para crear simulacións antes de aplicar cambios nos obxectos reais. Trátase de recompilar datos para predicir como pode ser o seu comportamento futuro. Deste xeito, os investigadores traballan con tres elementos: os datos reais da pandemia, un modelo virtual e a interacción entre a realidade e o devandito modelo.
No caso da pandemia por mor da COVID-19, producíronse múltiples estadios con moi distintas situacións a nivel práctico, que variaron dende o confinamento total, o emprego de máscaras en interiores e exteriores, só en interiores, ou vacinación aos distintos grupos de idade, entre outros. Deste xeito, as taxas de transmisión da COVID-19 tamén variaron en cada un dos estadios. “O que fixemos foi empregar a idea de xemelgos dixitais para definir un modelo de tipo compartimental que nos permite actualizar as distintas taxas coa periodicidade axeitada e poder predicir o futuro cun alto grao de precisión”, sinala Juan José Nieto, catedrático de Análise Matemática da USC. O profesor Nieto asina o artigo xunto aos tamén profesores da USC Francisco Javier Fernández Fernández e Fernando Adrián Fernández Tojo. Iván Area, profesor do Departamento de Matemática Aplicada II da Universidade de Vigo, é o primeiro asinante da publicación. Os investigadores pertencen tamén, na súa maior parte, ao CITMAga, Centro de Investigación e Tecnoloxía Matemática de Galicia.
O traballo consiste en dividir a poboación total en grupos ou compartimentos, dependendo do estado de saúde, para despois estudar o nivel de propagación dunha determinada enfermidade entre a poboación. “A idea principal é que os obxectos reais e dixitais estean relacionados de tal maneira que os datos flúan do sistema real ao virtual, e a información do dixital estea dispoñible para comprender e predicir a evolución do sistema real, ou incluso actuar sobre el para modificar o seu comportamento”, explican os matemáticos no artigo.
Derivadas de Stieltjes
Para poder incrementar aínda máis a precisión das predicións, os investigadores empregaron una ferramenta “altamente potente, pero cun maior grao de complexidade tanto desde o punto de vista analítico como computacional”. Trátase das denominadas derivadas de Stieltjes que permiten ter en consideración procesos que posúen distintos impulsos. Así, o código desenvolvido permite facer predicións da evolución da pandemia a curto, medio e longo prazo, tomando en consideración o acontecido ata unha data determinada e constatar como tería sido a evolución en diferentes escenarios hipotéticos. “Son futuros que non se produciron, algúns deles afortunadamente”, sinalan os investigadores.
O equipo de científicos sinala a importancia desta achega pois é aplicable a outras doenzas. “Podemos predicir o avance da gripe cunha elevadísima precisión, o que é fundamental para a toma de decisións”, afirman, o que “sería moi útil en futuras epidemias”, conclúen. Esta investigación contou co apoio da Agencia Estatal de Investigación, Instituto de Salud Carlos III e da Xunta de Galicia.
