El nuevo enfoque para el modelado de epidemias podría acelerar las simulaciones de pandemias

Las simulaciones que ayudan a determinar cómo se propagará una pandemia a gran escala pueden tardar semanas o incluso meses en ejecutarse. Un estudio reciente en PLOS Biología Computacional ofrece un nuevo enfoque para el modelado de epidemias que podría acelerar drásticamente el proceso.

El estudio utiliza la dispersión, un método de la teoría de grafos y la informática, para identificar qué enlaces en una red son los más importantes para la propagación de enfermedades.

Al centrarse en los enlaces críticos, los autores descubrieron que podían reducir el tiempo de cálculo para simular la propagación de enfermedades a través de redes sociales altamente complejas en un 90 % o más.

«Las simulaciones de epidemias requieren recursos computacionales sustanciales y tiempo para ejecutarse, lo que significa que sus resultados pueden estar desactualizados cuando esté listo para publicar», dice el autor principal Alexander Mercier, ex investigador de pregrado en SFI y ahora Ph.D. estudiante de la Escuela de Salud Pública TH Chan de Harvard. «Nuestra investigación, en última instancia, podría permitirnos utilizar modelos más complejos y conjuntos de datos más grandes sin dejar de actuar en un plazo razonable al simular la propagación de pandemias como la COVID-19».

Para el estudio, Mercier, junto con los investigadores de SFI Samuel Scarpino y Cristopher Moore, utilizaron datos de la Oficina del Censo de EE. UU. para desarrollar una red de movilidad que describe cómo se desplazan las personas en todo el país.

Luego, aplicaron varios métodos de dispersión diferentes para ver si podían reducir la densidad de la red mientras conservaban la dinámica general de una enfermedad que se propaga a través de la red.

La técnica de esparsificación más exitosa que encontraron fue la resistencia efectiva. Esta técnica proviene de la informática y se basa en la resistencia total entre dos extremos de un circuito eléctrico. En el nuevo estudio, la resistencia efectiva funciona al priorizar los bordes, o enlaces, entre los nodos de la red de movilidad que son las vías más probables de transmisión de enfermedades, mientras se ignoran los enlaces que pueden pasarse por alto fácilmente por caminos alternativos.

«Es común en las ciencias de la vida ignorar ingenuamente los enlaces de bajo peso en una red, asumiendo que tienen una pequeña probabilidad de propagar una enfermedad», dice Scarpino. «Pero como en el eslogan ‘la fuerza de los lazos débiles’, incluso un vínculo de bajo peso puede ser estructuralmente importante en una epidemia, por ejemplo, si conecta dos regiones distantes o comunidades distintas».

Utilizando su enfoque de dispersión de resistencia eficaz, los investigadores crearon una red que contenía 25 millones de bordes menos, o alrededor del 7 % de la red de desplazamientos original de EE. UU., al tiempo que preservaban la dinámica epidémica general.

«Los científicos informáticos Daniel Spielman y Nikhil Srivastava habían demostrado que la dispersión puede simplificar los problemas lineales, pero descubrir que funciona incluso para problemas estocásticos no lineales como una epidemia fue una verdadera sorpresa», dice Moore.

Si bien aún se encuentra en una etapa temprana de desarrollo, la investigación no solo ayuda a reducir el costo computacional de simular pandemias a gran escala, sino que también conserva detalles importantes sobre la propagación de enfermedades, como la probabilidad de que un tramo de censo específico se infecte y cuándo es probable que ocurra la epidemia. para llegar allí.