Modelo de IA revela nuevos datos sobre la propagación del COVID-19

El estudio consistió en utilizar un modelo compartimental, que es una técnica de modelización general que se aplica a menudo a la modelización matemática de las enfermedades infecciosas.

La Universidad de Aston ha ayudado a los organismos sanitarios a estimar las tasas de transmisión diarias de infecciones de COVID-19 utilizando los datos de anticuerpos recogidos en los centros de donación de sangre.

Los datos obtenidos han permitido a los académicos estimar la proporción de personas que estaban sin diagnosticar. El enfoque tiene una ventaja considerable sobre los modelos epidemiológicos actuales, que suelen ser menos eficaces a la hora de estimar variables ocultas, como las tasas de infección diarias.

La universidad de Birmingham colaboró con investigadores de la Universidade Federal de Minas Gerais en Brasil para desarrollar el modelo. El algoritmo se basó en un amplio estudio longitudinal sobre datos obtenidos en centros de donación de sangre brasileños (7.837 donantes de sangre en siete ciudades de Minas Gerais, Brasil, durante marzo-diciembre de 2020).

El estudio consistió en utilizar un modelo compartimental, que es una técnica de modelización general que se aplica a menudo a la modelización matemática de las enfermedades infecciosas. Este enfoque permite a los investigadores evaluar y predecir aspectos como la forma de propagación de una enfermedad, el número total de infectados o la duración de una epidemia. Además, es posible estimar diversos parámetros epidemiológicos, como el número de reproductores del patógeno.

El estudio analizó el número de casos de SARS-CoV-2 notificados junto con los resultados de la serología (métodos de diagnóstico para identificar anticuerpos y antígenos en las muestras de los pacientes). Esto reveló variables ocultas como los valores diarios de las tasas de transmisión y las tasas de incidencia acumulada de los casos notificados y no notificados.

El modelo también permitió conocer los cambios en la tasa de infección (o el número de personas que cada caso infectó de media). Otros modelos llevaban a suponer que se trataba de un valor fijo durante un largo periodo de tiempo. El modelo de IA, por el contrario, mostró que la dinámica de la propagación del COVID-19 se altera mucho más rápido de lo que se cree.

Los datos se consideraron especialmente importantes para comprender la proporción de personas que no estaban diagnosticadas. Esto incluía a las personas asintomáticas y levemente sintomáticas.

El artículo de investigación aparece en Emerging Infectious Diseases con el título “SARS-CoV-2 IgG Seroprevalence among Blood Donors as a Monitor of the COVID-19 Epidemic, Brazil”. Esto permitió a los científicos adoptar una visión más refinada de las tasas de infección y de la tasa relativa de inmunidad en comparación con las mediciones oficiales.

Varios aspectos del modelo se consideran importantes, especialmente durante los primeros días de una pandemia y cuando se aplica a enfermedades víricas similares. En el futuro, los investigadores pretenden reforzar la precisión del modelo introduciendo cambios que tengan en cuenta los efectos de la vacunación, la disminución de la inmunidad y la posible aparición de nuevas variantes.


Contacto | Diario TI es una publicación de MPA Publishing International Ltd., Reino Unido. © Copyright 1997-2022