¿Cómo las ciencias computacionales nos pueden guiar durante la pandemia?

“Los métodos computacionales se están repensando y rediseñando, y se están introduciendo nuevos [todo el tiempo]”. Dr. John Holmes, profesor y director asociado, Instituto de Informática Biomédica, Facultad de Medicina Perelman de la Universidad de Pennsylvania.

Todos los días se generan grandes cantidades de datos, artículos académicos, notas periodísticas, reportajes, modelos predictivos, tecnologías y datos para analizar. El desafío, como siempre, es discernir cómo integrar este diluvio de información con todas sus variables en un formato utilizable, con contextos e interpretaciones adecuadas.

Ahí es donde entran en juego el modelado estadístico y algorítmico, aprendizaje automático, inteligencia artificial, biología computacional, e inclusive las neurociencias.

Si tuviéramos que comenzar por algún lado, sería recomendable hacerlo por los modelos de datos para gestionar todas las partes móviles que componen a una pandemia que siempre está en proceso de evolución, abriendo la ventana a la dinámica del contagio, y que siempre se mueve en una línea de tiempo que nos permite darnos una idea de la tasa de propagación e identificar la covarianza (valor que indica el grado de variación conjunta de dos variables aleatorias respecto a sus medias). A partir de todo esto, desarrollamos y evaluamos métodos de contención y mitigación a lo que podríamos llamar “dinámica de contagio”.

Los métodos computacionales tradicionales, tales como las curvas epidémicas que trazan el número de casos a lo largo de una línea de tiempo, rastrean la transmisión de enfermedades e identifican los puntos críticos. Estas curvas se basan en informes, que pueden ser irregulares y retrasados, pero que ayudan a proveer una imagen útil de la dinámica del contagio.

Hay otros que consideramos modelos de compartimentos, como el Susceptible, Expuesto, Infectado y Recuperado (SEIR), los que identifican la forma en la que las personas avanzan a través de cada “estado de SEIR”; esta información se puede utilizar para simular los efectos de la pandemia en la capacidad de un hospital.

Estos modelos podrían arrojar ecuaciones de tasa, como el número de reproducción, o R-nulo, que representan el número promedio de personas que cada individuo infecta durante un brote.

Las redes sociales también ayudar a calcular la incidencia desde el principio, como lo hizo en China, la red social Weibo, la que agregó y comparó 15 millones de publicaciones relacionadas con el COVID-19 en todo el país. Los informes de síntomas y el diagnóstico de casos predijeron significativamente el recuento diario de casos versus las estadísticas oficiales.

Otros trabajos sustantivos se centran en la comprensión de los factores sociales y estructurales que afectan la transmisión del VIH. Con el COVID-19, hay muchas similitudes en términos de los factores sociales que dan forma a la vulnerabilidad de las personas a la infección, y entonces las investigaciones se van centrando en algunos problemas sociales para ayudar a la reducción de las inequidades en salud.

El modelado basado en agentes es una forma poderosa de simulación por computadora para estudiar sistemas complejos, desde interacciones moleculares hasta embotellamientos vehiculares.

Durante la última década, los investigadores de Argonne Ozik y Macal han ido amoldando gradualmente un modelo informático para toda la ciudad de Chicago y su población, usándolo para observar y predecir la propagación de enfermedades tanto reales (MRSA, influenza) como imaginarias (un brote zombi).

Por otro lado, la computación colaborativa ha generado un gran entusiasmo en muchas comunidades de investigación para involucrarse, particularmente, cuando los proyectos de investigación en curso se detienen temporalmente. Una de estas comunidades es la plataforma Crowdfight donde los expertos proponen proyectos de investigación y cualquiera puede ofrecerse como voluntario para ayudar. Otro son los desafíos de datos de COVID-19 en Kaggle, una plataforma conocida para compartir datos y herramientas computacionales.

El último desafío de Kaggle exige que los investigadores desarrollen herramientas para extraer una nueva base de datos en línea gratuita llamada CORD-19, que recopila todos los artículos revisados ​​por pares y preprints sobre COVID-19. La base de datos está alojada en el Allen Institute for AI (instituto de investigación fundado por el difunto cofundador de Microsoft Paul Allen) y se actualiza semanalmente. Al 6 de abril, contenía 36 000 artículos en texto completo.

Los datos disponibles provienen principalmente de los servicios de salud, pero existe un gran potencial para aprovechar la ubicación de los teléfonos inteligentes y otros datos que podrían ayudar a comprender la dinámica de la pandemia. En esta nueva era de pandemias, las sensibilidades occidentales existentes con respecto a la privacidad de los datos se ponen a prueba. Alemania, por ejemplo, reajusta la semántica y la redacción de la legislación que habilita el Reglamento General de Protección de Datos (GDPR), reglamento europeo relativo a la protección de las personas físicas en lo que respecta al tratamiento de su información personal y a la libre circulación de la misma, para permitir el procesamiento de datos personales en caso de una epidemia.

Varias empresas de telefonía móvil ya han entregado datos para ser analizados en el centro nacional de control de enfermedades de Alemania Robert Koch. La información se maneja de forma agregada y anónima, asegurando que no se usará para el rastreo de personas. Sin embargo, persiste la preocupación de que esta acción se tomó sin realizar un análisis suficiente sobre las implicaciones legales y de derechos humanos. Un grupo de expertos alemanes en privacidad de datos, publicó una declaración el 26 de marzo instando a los gobiernos a actuar con cautela al ejercer poderes legales para obtener datos, pidiendo especial atención a los principios y directrices sobre protección de datos en la actual crisis del COVID-19.

Otros gobiernos también están tratando de obtener datos de los teléfonos inteligentes de los ciudadanos, con diferentes niveles de moderación. En Israel, se anuló rápidamente el límite impuesto por un tribunal superior a los poderes del estado, y se puso a disposición el acceso a los datos de ubicación móviles de los ciudadanos con el fin de rastrear los movimientos de los usuarios.

El gobierno del Reino Unido está en conversaciones con las empresas de telefonía móvil sobre el acceso a los datos, al igual que el de los Estados Unidos. Pero se necesita una transparencia total en los procedimientos y las motivaciones de los gobiernos, así como la certeza de que los derechos civiles no serán vulnerados.

En otras áreas de investigación, como los laboratorios de neurociencias cerrados por la pandemia, está inspirando a algunos investigadores a pensar más profundamente sobre los datos que ya tienen. Cuanto más dure el cierre, más creativos deberán ser los investigadores. “Si esto se prolonga durante meses, o si se vuelve realmente incierto cuándo se abrirán las cosas de nuevo, será diferente”, comentó Adam Calhoun, miembro Simons Collaboration on the Global Brain (SCGB) de la Universidad de Princeton, y en este momento habrá personas que quieran terminar los trabajos con un nuevo análisis o modelos interesantes.

Lisa Giocomo, investigadora del Simons Collaboration on the Global Brain (SCGB) en la Universidad de Stanford, EE. UU., dice que su laboratorio ha ideado soluciones a corto plazo, como emparejar a los aprendices que tienen muchos datos con los que no los tienen. “Pero si la actividad del laboratorio todavía se cierra en el verano, tendremos que encontrar soluciones a largo plazo, algunas de las cosas que hemos discutido son aprovechar nuestros grandes conjuntos de datos para redactar algunos artículos más enfocados; los dos primeros artículos que vinieron de mi laboratorio en realidad usaron conjuntos de datos publicados, por lo que hay muchas preguntas que hacer con los datos que ya tenemos, o colaborar más en el frente computacional para hacer preguntas teóricas o para guiar futuras preguntas experimentales”.

Es de esperar que todas estas ciencias involucradas en la investigación sobre el cómo se comporta el COVID-19, contribuyan al cambio de políticas y comportamientos, y a una reducción del impacto de una pandemia futura.