Investigadores da USC e a UVigo desenvolven un código de xemelgo dixital para predicir pandemias
xoves, 21 de abril do 2022
- 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.