Con técnica de big data investigadores predicen la evolución de la pandemia

Este estudio aportará la proyección que tendrá la pandemia en cada una de las provincias. Utilizando una técnica de procesamiento de grandes datos (big data) denominada “asimilación de datos”, se analiza la información que a diario es reportada de manera oficial (tanto de los casos positivos como de los decesos). 

Una de las informaciones aportada por el trabajo es el análisis del R cero o tasa de contagio del coronavirus a nivel nacional. Antes del inicio de la cuarentena la tasa era 3,5, es decir que un infectado contagiaba a 3,5 personas. La implementación de la cuarentena logró reducir considerablemente esa tasa a 0,5, pero la flexibilización dispuesta en las últimas dos etapas volvió a incrementar R a valores de entre 1 y 2. 

La importancia de tener la estimación diaria de esta tasa es clave, ya que cuando se alcance un valor por debajo de 1, la pandemia se controla y el número de casos disminuirá con el tiempo. Por el contrario, si la tasa de contagio está por encima de 1, significa que la cantidad de infectados continuará creciendo. 

Además de la tasa de contagio, la técnica de asimilación de datos brinda información estadística de las características de propagación del virus; los tiempos de incubación y de recuperación; la cantidad de enfermos severos que derivarán en hospitalizaciones o decesos. En un estudio reciente se demostró que la técnica también permite estimar la circulación del virus en personas asintomáticas, es decir el número de casos no detectados por los testeos. 

El grupo de trabajo que participa de este proyecto está liderado por el doctor Manuel Pulido e integrado por los investigadores Tadeo Cocucci, Noelia Villafañe y Magdalena Lucini, de la Facultad de Ciencias Exactas y Naturales y Agrimensura, y del Conicet. También participan referentes del Laboratorio Central de Corrientes, los bioquímicos Gerardo Andino, Natalia Ruiz Días y Viviana Gutnisky, responsables de los tests epidemiológicos en la provincia. 

Paralelamente se conformó una red de colaboración internacional con distintos grupos que trabajan con la asimilación de datos para covid-19, particularmente con un grupo de investigadores de Francia coordinado por Pierre Tandeo, del IMT Atlantique, y por Alberto Carrassi, director del Data Assimilation Research Centre, University of Reading, Inglaterra. 

Ventajas 

“Una de las grandes ventajas que posee la humanidad para poder controlar la actual pandemia de covid-19 comparada a las ocurridas en el pasado, es la gran disponibilidad de datos en tiempo real que se posee sobre la transmisión del virus en la población”, expresó el doctor Pulido, investigador del Departamento de Física de la Facena-Unne.  

Esos datos al ser analizados en modelos matemáticos brindan información objetiva sobre, por ejemplo, el impacto de las medidas de aislación social focalizadas o generales que permitan contener el virus. Los gobiernos disponen de esta manera de una herramienta para la toma de decisiones puntuales en base a un diagnóstico y con predicciones precisas sobre la evolución de la pandemia. 

“Mientras mayor sea la información que se procese y más sofisticada la técnica de procesamiento de los datos, mayor será el conocimiento de la situación de la pandemia”, señaló Pulido. 

Asimilación de datos 

Dentro del procesamiento de grandes datos, las técnicas de asimilación se caracterizan por combinar en tiempo real información de dos fuentes: los modelos dinámicos epidemiológicos y las observaciones incompletas de distintas fuentes. 

En un contexto en que la información no es completa ni tampoco exacta, como es el caso del escenario planteado por el covid-19, estas técnicas de asimilación permiten combinar toda la información circundante. 

En el marco de la asimilación se pueden hacer predicciones o pronósticos probabilísticos que permiten obtener la incerteza de las predicciones y evaluar la probabilidad de eventos extremos. Los ejemplos en que se aplica la asimilación de datos son numerosos, entre los que cabe mencionar los pronósticos meteorológicos, la robótica, los vehículos autónomos, visión computarizada, seguimiento por GPS o radares. 

Los resultados de la aplicación de técnicas de asimilación en el brote de Wuhan, China, en un trabajo liderado por Ruiyun Li, del MRC Centre for Global Infectious Disease Analysis (Imperial College, Inglaterra), demuestran que estas técnicas tienen un enorme potencial para calcular la cantidad de casos no detectados en la población, basándose en observación parcial (casos de infectados detectados, movilidad, etcétera). 

El grupo de investigación de la Unne-Conicet cuenta además con antecedentes de trabajo con técnicas de asimilación de datos en modelos epidemiológicos. 

El doctor Pulido recientemente desarrolló junto con Peter Jan van Leeuwen (Colorado State University) una técnica de asimilación de Monte Carlo secuencial que tiene muy buenos resultados en modelos epidemiológicos. Fue utilizado para un modelo de la dinámica del cólera en un trabajo publicado recientemente en el Journal of Computational Physics. 

También se está trabajando en la asimilación de datos de la dinámica de propagación del dengue. Sobre este tema, Tadeo Cocucci, becario del Conicet, está haciendo su tesis doctoral. Dados los devastadores efectos de la pandemia, el grupo se encuentra totalmente enfocado en la asimilación de datos de covid-19.