Investigadores da USC e a UVigo desenvolven un código de xemelgo dixital para predicir pandemias

O investigador da UVigo Iván Area

Hai un mundo por explorar con capacidade para mellorar todo tipo de procesos sociais, económicos, produtivos e medioambientais, proporcionando ademais respostas para os desafíos pandémicos que todo apunta a que seguirán producíndose. Trátase da tecnoloxía dos xemelgos dixitais, que está na cerna dun traballo de investigadores da UVigo e a USC que vén de ser publicado na prestixiosa revista Mathematical Methods in the Applied Sciences baixo o título Concept and solution of digital twin based on a Stieltjes differential equation.
A través del, os investigadores Iván Area (UVigo) e Francisco J. Fernández, Juan José Nieto e Adrián F. Tojo (USC), pertencentes á súa maior parte ao CITMAga, lograron desenvolver un código baseado no concepto de xemelgo dixital que permite predicir a evolución de doenzas infecciosas como a COVID-19 a curto, medio e longo prazo, “tendo en conta o acontecido ata unha data determinada e considerando distintos escenarios segundo as medidas tomadas”.
Segundo comenta Iván Area, membro do Departamento de Matemática Aplicada II da UVigo e profesor da Escola de Enxeñaría Aeronáutica e do Espazo do Campus de Ourense, a base do estudo da COVID-19 inclúe tres piares: os datos da pandemia, un modelo virtual que permite analizar doenzas e, a xeito de novidade, a interacción entre a realidade e o modelo para incrementar a precisión das predicións.
“O que fixemos foi empregar a idea de xemelgos dixitais para definir un modelo de tipo compartimental que nos permite actualizar as distintas taxas coa periodicidade axeitada e poder predicir o futuro cun alto grao de precisión”, sinala Juan José Nieto, catedrático de Análise Matemática da Universidade de Santiago de Compostela. Para poder incrementar aínda máis a precisión das predicións, os investigadores empregaron unha ferramenta altamente potente, pero cun maior grao de complexidade tanto desde o punto de vista analítico como computacional. Son as derivadas de Stieltjes, que “permiten termos en consideración procesos que teñen distintos impulsos”, tal e como afirma Francisco J. Fernández.
O código desenvolvido, destacan os matemáticos, “permite facer predicións da evolución da doenza a curto, medio e longo prazo, tendo en conta o acontecido ata unha data determinada”. Tamén permite, engaden, observar como tería sido a evolución no caso de non ter adoptado distintas medidas durante a pandemia, tanto de maior control como de relaxación. “Son futuros que non se produciron, algúns deles afortunadamente”, sinala Adrián F. Tojo. Por último, o grupo de investigadores recalcan a importancia do traballo feito pois se pode modificar para outras doenzas. “Podemos predicir o avance da gripe cunha elevadísima precisión, que é fundamental para a toma de decisións”, afirman. Estas predicións, engaden, “serían moi útiles en futuras epidemias”. Esta investigación contou co apoio da Axencia Estatal de Investigación, Instituto de Salud Carlos III e da Xunta de Galicia.