Un modelo de IA reveló nuevos datos sobre la propagación del covid-19, el estudio consistió en un modelo compartimental, que es una técnica de modelización general que se aplica a menudo a la modelización matemática de las enfermedades infecciosas
Utilizando los datos de anticuerpos recogidos en los centros de donación de sangre la Universidad de Aston ha ayudado a los organismos sanitarios a estimar las tasas de transmisión diarias de infecciones de covid-19.
Gracias a los datos obtenidos, los académicos han podido 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.
Fue así como la Universidad de Birmingham colaboró con investigadores de la Universidades Federal de Minas Gerais en Brasil para desarrollar el modelo. El algoritmo estuvo basado 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 Gareis, Brasil durante marzo-diciembre de 2020).
El estudio básicamente 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. Dicho 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. Sumado a ello, es posible estimar diversos parámetros epidemiológicos, como el número de reproductores del patógeno.
El estudio hizo un análisis del 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). Lo cual 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.
Por su parte, 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. Contrariamente, el modelo de IA mostró que la dinámica de la propagación del covid-19 se altera mucho más rápido de lo que se cree.
Los datos se consideraron de suma importancia para comprender la proporción de personas que no estaban diagnosticadas; esto incluía a las personas asintomáticas y levemente sintomáticas.
Son varios los aspectos del modelo que se consideran de importancia, especialmente durante los primeros días de una pandemia y cuando se aplica a enfermedades víricas similares. Los investigadores pretenden en el futuro 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.
