Este gráfico muestra un ejemplo sencillo de red de contactos de individuos. Cada persona es un punto.

Este gráfico muestra un ejemplo sencillo de red de contactos de individuos. Cada persona es un punto.

Innovadores

Así funciona Epigraph, el simulador que estima más de 3 millones de infectados

Permite estudiar qué efecto tendrían las medidas de aislamiento, el uso de mascarillas, la vacunación, las actividades permitidas y la vuelta al trabajo, sobre la difusión de la pandemia

3 mayo, 2020 07:00

Se ejecuta sobre distintos ordenadores (combinando así su potencia de cómputo) con un diseño complejo, que integra datos de muchas fuentes distintas: redes sociales, datos estadísticos, climáticos, de transporte y del propio coronavirus. El objetivo es modelar la curva de la enfermedad, siendo además capaces de considerar la situación actual de aislamiento social y el efecto que tendrían distintos escenarios de reincorporación a la vida normal sobre la propagación del virus. "Para el caso de España, necesitamos en torno a 150 procesadores y varias horas de ejecución en cada simulación. Si hablamos de Europa, los recursos de cómputo crecen alrededor de 10 veces más", cuenta David Expósito, profesor titular en la Universidad Carlos III de Madrid (UC3M) desde donde lidera este proyecto de investigación.

Participan también el Consorcio Centro de Investigación Biomédica en Red (CIBER) del Instituto de Salud Carlos III, junto al Barcelona Supercomputing Center, en colaboración con el Wuhan Center for Disease Control & Prevention. "Debido al cierre de fronteras, hemos decidido centrar todos los esfuerzos en hacer simulaciones a nivel nacional y nos encontramos probando distintos escenarios, incluyendo test de infectados asintomáticos", dice David Expósito. Los primeros datos de Epigraph apuntan a que el número de infectados puede ser mayor que los detectados. 

"Nuestro simulador predice que a día de hoy hay más de tres millones de personas infectadas, pero el número total asociado a la primera curva (cuando acabe la actual, sin contar con la segunda) aumentaría a nueve millones", añade. El sistema es capaz de contabilizar el estado de salud de cada ciudadano, así como de sus contactos, dentro la simulación. Es decir, Epigraph combina el modelo social con un modelo infeccioso, en este caso, la COVID-19. 

"Lo que hacemos es infectar un porcentaje aleatorio de personas y éstas, a su vez, van propagando la enfermedad sobre sus contactos, los cuales cambian a lo largo del tiempo, de modo que realizamos simulaciones estocásticas que se basan en la aleatoriedad de estos contagios", apuntan desde el Grupo de Aquitectura de Computadores, Comunicaciones y Sistemas (ARCOS) de la UC3M. Actualmente participan en varios proyectos a nivel nacional y europeo, para proporcionar soluciones en el ámbito de la computación intensiva en datos, algo parecido al trabajo que realizan ciertos software de computación distribuida que utilizan los recursos de sus procesadores para investigar la COVID-19. Mediante técnicas de programación paralela, han realizado simulaciones del ámbito de la salud, así como aplicaciones de procesamiento de imágenes de escáneres o simulaciones de consumo eléctrico en grandes líneas de ferrocarril. 

En un segundo escenario, la simulación contempla el proceso de reincorporación a los trabajos presenciales por parte de la población. "Hay dos escenarios para la vuelta al trabajo. Uno, favorable, en el que se toman en cuenta las medidas de precaución y otro más desfavorable, que lógicamente, no se va a producir", afirma Expósito.

De realizarse sin complementar con medidas de distanciamiento social y protección personal, la enfermedad no solo volvería a reproducirse, sino que "el número de infectados de la segunda fase podría aumentar hasta los 14 millones, sumados a los nueve millones de la primera que estamos viviendo ahora", asegura. Por este motivo, el correcto diseño de un plan de vuelta adecuado que evite la propagación incontrolada del virus, es primordial.

Para hacer estas simulaciones informáticas de un modo realista, teniendo en cuenta que el  virus se propaga a distancias cortas, es necesario reproducir el modo en que los individuos se relacionan entre sí del modo más próximo a la realidad posible. ARCOS contaba con una línea de investigación sobre el estudio de propagación de información en redes sociales, a partir de la cual extrapolaron sus ideas para reproducir la propagación de la gripe sobre individuos reales. 

En las redes sociales, como en la vida real, hay individuos que tienen más contactos que otros, por lo que los inicios de Epigraph pasaron por modelar la sociedad en un área urbana: "Utilizamos los datos estadísticos para simular el área urbana que congrega un determinado número viviendas, escuelas, empresas y zonas de ocio, con distinto tamaño, en función de datos oficiales", explica Expósito. 

Por un lado, Epigraph reproduce el movimiento de personas entre distintas ciudades, lo que les ha permitido hacer simulaciones dentro de nuestras fronteras y a nivel europeo, para ésta última consideraron 646 ciudades (cada una modelada con datos estadísticos de la Unión Europea).

Por otro, el simulador incorpora un modelo de la interacción entre la propagación de la COVID-19 y factores climáticos y meteorológicos, como la temperatura, la presión atmosférica y los niveles de humedad. Es decir, tiene en cuenta la interacción del clima en la propagación de la enfermedad. Desde ARCOS explican que cuentan con una publicación que analiza el impacto del calentamiento global en la propagación de la gripe y existen estudios que, a su vez, han encontrado una relación entre la propagación de la COVID-19 con las condiciones meteorológicas.

Líneas de actuación

Desde ARCOS apuntan a varias direcciones de actuación donde su sistema podría contribuir. Por un lado, estudiar el efecto de propagación del virus entre distintas ciudades y países. En palabras de Expósito: "Esta evaluación permitirá tener en cuenta el impacto de distintas estrategias de restricción de transportes, tanto a escala nacional como internacional. También del impacto de las condiciones climáticas en la propagación de la epidemia teniendo en cuenta las estaciones cálidas venideras (primavera y verano) como las posteriores frías (otoño e invierno)", apunta. 

Con estos datos, las autoridades podrían anticipar o adaptar las medidas preventivas y analizar el efecto de una potencial vacunación selectiva de la población, teniendo en cuenta distintos niveles de eficacia, así como potenciales mutaciones en el virus que hagan disminuir la inmunidad del colectivo (el llamado herd inmmunity) que ya ha sido vacunado o ha sufrido la enfermedad. 

De igual forma es relevante el estudio del impacto de distintas medidas de distanciamiento social: cierre de colegios o puestos de trabajo, sin obviar las labores en remoto para un porcentaje de la clase trabajadora, aislamiento social, etc. sobre las siguientes curvas de contagios. "También se pretende contribuir a la definición del porcentaje de individuos que habría que testear para reducir la propagación del virus", comenta Expósito, que comparte la idea original del proyecto, en 2011, como una simulación de la propagación del virus de la gripe sobre un área urbana: "En los inicios de la crisis de Wuhan, comprendimos que podíamos adaptar esta herramienta a la COVID-19 y proporcionar predicciones para esta nueva enfermedad". La tesis doctoral que dio vida al proyecto, desarrollada desde ARCOS, fue sucediendo nuevas funcionalidades al simulador.