El Ejército de Estados Unidos financia un modelo matemático para predecir mejor futuras pandemias

El modelo sugiere que las ideas y la información se difunden y evolucionan entre individuos con patrones similares a los genes en el sentido de que se autorreplican, mutan y responden a la presión selectiva al interactuar con su anfitrión. "Estos cambios evolutivos tienen un enorme impacto. Si no consideras los potenciales cambios a lo largo del tiempo, te equivocarás al predecir el número de personas que se enfermarán o el número de personas que se expondrán a una información", explica uno de los autores del estudio, Osman Yagan.

En su investigación, publicada en la revista 'Proceedings of National Academy of Sciences', los investigadores desarrollaron un modelo matemático que tiene en cuenta los cambios evolutivos tanto de la enfermedad como de la información. La investigación puso a prueba el modelo frente a miles de pandemias simuladas por computadora utilizando datos de dos redes del mundo real: una red de contacto entre estudiantes, profesores y personal de una escuela secundaria de Estados Unidos, y una red de contacto entre el personal y los pacientes de un hospital de Lyon (Francia).

"Demostramos que nuestra teoría funciona sobre redes del mundo real. Los modelos tradicionales que no consideran las adaptaciones evolutivas fallan en predecir la probabilidad de la aparición de una pandemia", detalla otro de los autores, Rashad Eletreby. El modelo epidémico más utilizado hoy en día no está diseñado para tener en cuenta los cambios en la enfermedad que se está rastreando. Esta incapacidad de dar cuenta de los cambios en la enfermedad puede hacer más difícil contrarrestar la propagación de una enfermedad o que se tomen decisiones efectivas de salud pública, como por ejemplo cuándo instituir órdenes de quedarse en casa o enviar recursos adicionales a una zona.

"La propagación de un rumor o de información a través de una red es muy similar a la propagación de un virus a través de una población. Diferentes piezas de información tienen diferentes tasas de transmisión. Nuestro modelo nos permite considerar los cambios en la información a medida que se propaga a través de la red y cómo esos cambios afectan a la propagación", apunta otro de los autores, Vincent Poor.

Aunque el estudio no es la solución definitiva para predecir la propagación del coronavirus, los autores dicen que es un gran paso. En el futuro, el equipo espera que su investigación pueda ser utilizada para mejorar el seguimiento de las epidemias y pandemias al tener en cuenta las mutaciones en las enfermedades y, en última instancia, considerar intervenciones como las cuarentenas y luego predecir cómo esas intervenciones afectarían la propagación de una epidemia cuando el patógeno está mutando a medida que se propaga.