DUVI

Diario da Universidade de Vigo

Investigadores das universidades de Vigo e Santiago desenvolven un código con este obxectivo

Xemelgos dixitais para predicir o avance de pandemias

Aínda que parte do escenario da covid-19 podería aplicarse a outras doenzas

Etiquetas
  • Entidades Colaboradoras
  • Estudantes
  • Medios
  • PAS
  • PDI
  • Público externo
  • Ourense
  • Saúde
  • Investigación
DUVI Ourense 20/04/2022

Investigadores das universidades de Vigo e Santiago de Compostela 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.

Interacción modelo realidade

O traballo vén de ser publicado na revista Mathematical Methods in the Applied Sciences baixo o título Concept and solution of digital twin based on a Stieltjes differential equation, asinado por Iván Area (Universidade de Vigo) e Francisco J. Fernández, Juan José Nieto e Adrián F. Tojo (Universidade de Santiago de Compostela), investigadores pertencentes na súa maior parte tamén ao CITMAga, Centro de Investigación e Tecnoloxía Matemática de Galicia.

A noción de xemelgo dixital, explican os investigadores, ten a súa orixe na Nasa, coa finalidade de mellorar a simulación do modelo físico dunha nave aeroespacial. “A idea de fondo é dispoñer dun modelo que poida explicar a realidade, a propia realidade e sobre todo a posibilidade de interactuar a realidade co modelo e reciprocamente”, afirman os autores do traballo. No caso da pandemia da covid-19, comenta Iván Area, membro do Departamento de Matemática Aplicada II da Universidade de Vigo e profesor da Escola de Enxeñaría Aeronáutica e do Espazo do campus de Ourense, “temos claramente as tres partes, nomeadamente: os datos da pandemia, un modelo virtual que permite analizar doenzas e, a novidade, a interacción entre a realidade e o modelo para incrementar a precisión das predicións”.

No caso da pandemia da covid-19, sinalan os investigadores da UVigo e USC, houbo “múltiples estadios con moi distintas situacións a nivel práctico, que variaron desde o confinamento total, o emprego de máscaras en interiores e exteriores, só en interiores, vacinación aos distintos grupos de idade, etc”. Deste xeito, detallan, as taxas de transmisión da covid-19 tamén variaron en cada un dos estadios. “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”. Trátase das chamadas derivadas de Stieltjes, que “permiten termos en consideración procesos que teñen distintos impulsos”, tal e como afirma Francisco J. Fernández, profesor tamén da Universidade de Santiago de Compostela.

Posibilidades do código desenvolvido

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, tamén profesor da USC. Por último, o grupo de investigadores recalcan a importancia do traballo feito pois é modificable 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 Agencia Estatal de Investigación, Instituto de Salud Carlos III e da Xunta de Galicia.