En la primera línea de la lucha contra el ébola y otras enfermedades infecciosas hay personas valientes que trabajan incansablemente en condiciones difíciles. Las ecuaciones no se incluyen de forma habitual en los botiquines médicos. Pero en las trastiendas de universidades e institutos, los matemáticos también contribuyen a las líneas de defensa.
Mientras que los analistas de big data y los estadísticos procesan información observacional para perfilar una imagen de lo que ocurre, dónde y cuándo, los modeladores matemáticos destilan en ecuaciones los mecanismos fundamentales que rigen la dinámica epidemiológica, como la transmisión, la incubación, la recuperación, el tratamiento y la cuarentena.
Estos modelos matemáticos pueden analizarse después para alcanzar una comprensión más profunda de los procesos críticos que impulsan una epidemia, ayudar a identificar y evaluar posibles estrategias de gestión y, quizá, mirar un poco hacia el futuro, cuando la extrapolación estadística puede verse confundida por la compleja interacción de efectos no lineales que caracteriza a muchos sistemas biológicos; por ejemplo, los efectos limitantes de la densidad sobre el tamaño de la población.
El arte del modelado matemático
En el modelado matemático, la belleza ordenada y la verdad de las matemáticas guían el proceso de repeticiones mediante el cual la evidencia empírica refina las hipótesis científicas. El modelado matemático es el proceso de abstracción a partir de la realidad observada, guiado por el conocimiento, los datos y la intuición de la primera línea, extrayendo y ensamblando mecanismos y relaciones que permitirán obtener perspectivas sobre una cuestión particular.
El arte puede considerarse un proceso de abstracción, que depura la esencia de una observación para comunicar y explorar las relaciones en una composición. La historia del arte documenta muchos estilos y formas de abstracción, y la naturaleza del resultado depende de la naturaleza del método; todas las formas son válidas siempre que entendamos esto e interpretemos adecuadamente el producto de nuestro modelo.
Un espectro de modelos
Las suposiciones, aproximaciones y simplificaciones que intervienen en un modelo matemático sitúan las perspectivas que produce en un espectro que va de lo cuantitativo a lo cualitativo. Los modelos del extremo cuantitativo del espectro incorporan el mayor detalle observado posible, con la mayor precisión posible. Las epidemias descritas por estos modelos pueden proyectarse hacia adelante en el tiempo para predecir qué ocurrirá después si no hacemos nada, y si hacemos esto o aquello.
Estas predicciones están empañadas por la incertidumbre, porque la construcción del modelo es siempre una aproximación de la realidad y la simulación computacional se basa en parámetros derivados de datos biológicos, que son imprecisos porque se recogen sobre el terreno, a menudo en condiciones difíciles. No obstante, con suficiente potencia informática, la incertidumbre del modelo puede cuantificarse, de modo que podemos decir que hay un 85 % de probabilidad de que ocurra el resultado A, un 19 % de probabilidad del resultado B y un 1 % de probabilidad del resultado C. Y los eventos raros, por supuesto, sí ocurren.
La red de transporte aéreo es clave para la dispersión global de muchas enfermedades infecciosas. En caso de epidemia, una preocupación importante para los gobiernos, las agencias de protección sanitaria y una población inquieta es el riesgo de que se propague a su país.
El riesgo de casos importados puede cuantificarse mediante modelos matemáticos que combinan información básica sobre las epidemias locales con información detallada sobre el número de pasajeros en toda la red de vuelos.
Ya se ha realizado un análisis preliminar de este tipo para el brote actual de ébola, adaptando un modelo global de epidemias y movilidad originalmente desarrollado para la gripe pandémica.
Modelos como este también pueden utilizarse para examinar el probable impacto de estrategias de contención, como el cierre de determinadas rutas aéreas o aeropuertos, suponiendo que las personas no reaccionen de forma imprevista a las molestias.
Los modelos del extremo cualitativo del espectro son representaciones más sencillas y estilizadas de la realidad. Estos modelos suelen tener como objetivo proporcionar perspectivas fundamentales sobre cómo la interacción entre componentes simples configura la dinámica emergente, que puede ser sorprendentemente compleja. Por ejemplo, el modelado matemático cualitativo del virus del dengue ha demostrado que una combinación de variación estacional de la transmisión a lo largo del año y de interacción inmunológica entre distintos estereotipos virales puede generar ciclos de prevalencia que abarcan varios años.
La rapidez con la que los modelos cualitativos sencillos pueden establecerse y analizarse los hace útiles para realizar experimentos mentales rápidos que apoyen la toma de decisiones urgentes. Pueden utilizarse para explorar, en términos generales, qué ocurre si hacemos esto o si hacemos aquello y, lo que es crucial, por qué ocurre. Este «porqué» es difícil de extraer de modelos muy detallados, pero tiene el potencial de llegar al corazón de una epidemia.
A escala de una ciudad o provincia, una consideración importante al evaluar posibles estrategias para gestionar una epidemia es cómo las estructuras sociodemográficas influyen en la forma en que se desarrolla una epidemia. En el caso del ébola, la transmisión requiere un contacto estrecho con una persona infecciosa. Una abstracción razonable de la estructura sociodemográfica podría utilizar una población estructurada en hogares con una transmisión intensa dentro de los hogares pero débil entre ellos.
Este tipo de modelo puede poner de relieve el papel de factores como la distribución de los tamaños de los hogares o los pesos relativos de la transmisión dentro de los hogares y entre ellos durante una epidemia. También puede utilizarse para explorar cómo las posibles medidas de control que afectan a estas estructuras influirán en la trayectoria de una epidemia, o no la influirán.
Un repositorio de conocimiento
La historia del modelado epidemiológico se remonta a más de cien años. Ronald Ross, quien descubrió que la malaria se transmitía por mosquitos, utilizó modelos matemáticos sencillos para orientar su campaña contra la malaria a principios de los años 1900. Ross empleó ecuaciones para formalizar el proceso de transmisión del mosquito a la persona y de vuelta, y utilizó este marco para comprender cómo el número de infecciones humanas se relacionaba con el tamaño de la población de mosquitos.
Desde entonces, el análisis matemático ha ofrecido perspectivas sobre la epidemiología de una amplia gama de patógenos y parásitos, desde helmintos hasta el VIH. Esta investigación ha dado lugar a un vasto repositorio de conocimientos, métodos y técnicas que sustentan la comprensión moderna de la dinámica de las enfermedades infecciosas.
La comunidad investigadora en epidemiología matemática nunca ha sido tan amplia ni tan activa, en busca de formas más eficaces de gestionar las enfermedades infecciosas endémicas, examinando cómo aprovechar mejor las innovaciones tecnológicas o farmacéuticas y ofreciendo apoyo estratégico frente a desafíos emergentes como el ébola.
Publicado en colaboración con The Conversation
Autor: Ben Adams es biólogo matemático en la Universidad de Bath.
Imagen: Un profesor escribe en la pizarra. REUTERS/Brian Snyder



