Un niño de dos años de una zona rural de Guinea murió de ébola en diciembre de 2014. Durante los dos años siguientes, casi 30.000 personas en África Occidental se infectarían con el virus del ébola.
¿Por qué este brote creció tanto y tan rápido, a diferencia de los 17 brotes anteriores de ébola? ¿Qué se puede hacer, si es que se puede hacer algo, para prevenir brotes futuros? Estas preguntas, junto con muchas otras, están en el centro del incipiente campo científico de la predicción de brotes. Y lo que está en juego no podría ser mayor. En enero, el Foro Económico Mundial calificó las pandemias como uno de los mayores riesgos para las empresas y la vida humana.
A lo largo de los últimos siglos, los científicos han mejorado constantemente en la predicción de muchos aspectos del mundo, incluidas las órbitas de los planetas, el flujo y reflujo de las mareas y las trayectorias de los huracanes. La capacidad de comprender los sistemas naturales y físicos lo suficiente como para realizar pronósticos precisos es quizá uno de los mayores logros de la humanidad.
Gran parte de este éxito en la predicción parte de la idea fundamental de Isaac Newton de que existen leyes universales inmutables que rigen los fenómenos naturales que nos rodean. La capacidad de realizar cálculos extensos con rapidez ha fomentado la perspectiva newtoniana de que, con suficientes datos y potencia informática, la mayoría de los fenómenos complejos pueden predecirse.
Sin embargo, existen límites. Como científicos que estudian estos tipos de sistemas predictivos, dudamos de que sea posible predecir exactamente lo que sucederá a continuación en un brote de una enfermedad, porque las variables más importantes pueden cambiar tanto de un brote a otro.
Por ello, al igual que ocurre con la previsión meteorológica, es probable que la recopilación de datos en tiempo real sea esencial para avanzar en la capacidad de la comunidad científica de predecir brotes.
Epidemias caprichosas
La idea de que los científicos pueden modelizar epidemias se basa en la noción de que la trayectoria de cada brote es predecible debido a sus propiedades intrínsecas e inmutables.
Supongamos que una enfermedad está causada por un patógeno transmisible. La infecciosidad de dicha enfermedad puede resumirse en un número llamado “razón básica de reproducción”, o R0, un número que describe con qué amplitud es probable que se propague un patógeno en una población determinada.
Si los epidemiólogos conocen lo suficiente sobre el R0 de un patógeno, la esperanza es que puedan predecir aspectos de su próximo brote y, con suerte, evitar que los brotes a pequeña escala se conviertan en epidemias a gran escala. Podrían hacerlo movilizando recursos hacia zonas donde los patógenos tienen valores de R0 especialmente altos. O bien podrían limitar las interacciones entre los portadores de la enfermedad y los miembros más vulnerables de una sociedad determinada, a menudo los niños y las personas mayores.
De este modo, el R0 se interpreta como un número inmutable. Pero los estudios modernos demuestran que este no es el caso.
Por ejemplo, consideremos la epidemia del virus del Zika. En el caso de esta enfermedad, el R0 osciló entre 0,5 y 6,3. Se trata de un rango notable, que va desde una enfermedad que se disipará por sí sola hasta una que provocará una epidemia prolongada.
Podría pensarse que este amplio rango de valores de R0 para el Zika se debe a la incertidumbre estadística, es decir, que quizá los científicos solo necesiten más datos. Pero eso sería en gran medida incorrecto. En el caso del Zika intervienen multitud de factores, desde el clima y los mosquitos hasta la presencia de otros virus relacionados, como el dengue, y el papel de la transmisión sexual, todos ellos generan valores de R0 diferentes en distintos contextos.
Resulta que las características de una epidemia —la contagiosidad del patógeno, la tasa de transmisión, la disponibilidad de vacunas, etc.— cambian tan rápidamente durante el curso de un solo brote que los científicos solo son capaces de predecir la dinámica dentro del curso de ese brote. Dicho de otro modo, estudiar el brote de la enfermedad por el virus del ébola de abril de 2014 puede ayudar a los científicos a comprender un brote de ébola en ese mismo entorno al mes siguiente, pero a menudo es mucho menos útil para comprender la dinámica de futuras epidemias de ébola, como la que tuvo lugar en mayo de 2018.
Las epidemias a menudo no son fenómenos ordenados ni agrupados. Son sucesos ruidosos en los que muchas variables desempeñan papeles esenciales, aunque cambiantes. No existe una verdad subyacente sobre la enfermedad, sino solo un conjunto inestable de detalles que varían y, con frecuencia, se entrelazan a medida que la enfermedad se propaga.
Mejores predicciones
Si los científicos no están seguros de poder comprender los sistemas epidemiológicos lo suficiente como para predecir el comportamiento de otros relacionados, ¿para qué molestarse en estudiarlos?
La respuesta podría residir en lo que llamamos una “física blanda” de la predicción: los científicos deberían dejar de suponer que todo brote sigue las mismas reglas. Al comparar un brote con otro, deberían tener presentes todas las diferencias contextuales entre ellos.
Por ejemplo, los biólogos han descubierto muchos detalles sobre las infecciones por influenza. Saben cómo los virus se unen a las células huésped, cómo se replican y cómo desarrollan resistencia a los fármacos antivirales. Pero una epidemia podría haber comenzado cuando una gran población utilizó el transporte público en un determinado día del mes, mientras que otra podría haberse iniciado por una congregación en un servicio religioso. Aunque ambos brotes tienen su origen en el mismo agente infeccioso, estas y otras muchas diferencias en sus particularidades significan que los científicos quizá deban replantear cómo modelizan la progresión de cada uno.
Para comprender mejor estos detalles, los científicos necesitan inversiones significativas en datos en tiempo real. Considérese que el Servicio Meteorológico Nacional gasta más de 1.000 millones de US$ al año en la recopilación de datos y la elaboración de pronósticos. Los CDC destinan solo una cuarta parte de esa cantidad a estadísticas de salud pública y no tienen un presupuesto específico para la elaboración de pronósticos.
La vigilancia de enfermedades sigue siendo una de las áreas científicas con mayores riesgos. Una consideración cuidadosa de las circunstancias únicas que subyacen a los brotes y una recopilación de datos más responsable podrían salvar miles de vidas.
