Un nuevo simulador de pandemias ayuda a prever su evolución en diferentes escenarios epidemiológicos
El sistema se basa en modelos de computación con membranas, que permiten diseñar de forma virtual el comportamiento de virus en diversos entornos, condiciones y niveles de gravedad
La Universitat de València y la empresa Biotechvana del Parc Científic han participado en el desarrollo y validación de un nuevo simulador de pandemias que ayuda a prever su evolución en diferentes escenarios epidemiológicos. El sistema, denominado LOIMOS, se ha desarrollado en el contexto de la COVID-19 y sus resultados se ciñen al virus SARS-CoV-2, aunque podrían aplicarse al estudio de otras pandemias. El trabajo aparece publicado en la revista microLife.
LOIMOS ha sido desarrollado por equipos de investigación de la Universitat de València, la Universitat Politècnica de València, el grupo Biología y Evolución de Microorganismos del Instituto Ramón y Cajal de Investigación Sanitaria (IRYCIS) Madrid, el CIBER en Epidemiología y Salud Pública, la Fundación FISABIO, el Consejo Superior de Investigaciones Científicas (CSIC), el Hospital General Universitario de Valencia, el Hospital Universitario la Paz de Madrid y la empresa Biotechvana, ubicada en el Parc Científic de la Universitat de València.
“Podemos dibujar múltiples escenarios, plantear todas las preguntas e hipótesis que queramos y predecir sus efectos. Esto ayuda muchísimo a decidir qué medidas tomar, a establecer aquellas que resulten más efectivas para evitar o al menos limitar la propagación del virus”, destaca José M. Sempere, investigador del grupo ALFA-VRAIN de la Universitat Politècnica de València.
Diseño virtual y jerarquizado del comportamiento y evolución de los virus
El sistema se basa en modelos de computación con membranas, que permiten diseñar de forma virtual el comportamiento de virus en diversos entornos, condiciones y niveles de gravedad.
“Estos modelos reproducen los virus y sus interacciones con un nivel de detalle sin precedentes. De esta forma, podemos evaluar y predecir la incidencia de un virus en un barrio, en una ciudad o en un país, bajo distintas situaciones, y observar su evolución a corto, medio y largo plazo”, explica José M. Sempere.
“Lo importante es que se simulan bajo determinados supuestos –por ejemplo, diversos tipos de medidas preventivas– y se evalúa la tasa de infección y su variación con el tiempo en la población. Obviamente, si los supuestos cambian, podrían cambiar los efectos del virus. Disponer de una herramienta como la que aquí se ha desarrollado es muy relevante, porque puede ayudar a proponer medidas efectivas contra la expansión de esta epidemia por parte del virus y, por extensión, de cualquier otro patógeno”, explica Andrés Moya, catedrático de Genética de la Universitat de València e investigador en el Instituto de Biología Integrativa de Sistemas (I2SysBio-UV/CSIC) y en Fisabio.
LOIMOS es, además, un modelo con diferentes niveles jerárquicos que interactúan entre sí, a diferencia de otros utilizados hasta la fecha. De este modo, el solo hecho de modificar un parámetro de estos niveles permite ver los efectos en dicho nivel y en todos los demás. “Por ejemplo, podríamos aumentar en el modelo el periodo en que el virus puede producir contagios y ver cómo afectaría esto a la cantidad de gente que va a trabajar”, explica Marcelino Campos, investigador también del grupo ALFA-Instituto VRAIN de la Universitat Politècnica de València.
Entre otras variables, LOIMOS incorpora el tipo de infecciones, el grado de inmunidad adquirida o el periodo e índices de contagio; permite definir diferentes valores según la zona y el rango de edad de la persona infectada o la mecánica de la infección.
El escenario, una localidad europea de 10.000 habitantes
Para su validación, el equipo de investigadores aplicó LOIMOS en una ciudad tipo europea –ficticia– de poco más de 10 000 habitantes, y reprodujo la dinámica de la epidemia y los efectos de la inmunidad sobre la transmisión del virus SARS-CoV-2 en diferentes franjas de edad.
El modelo predijo las consecuencias de retrasar la adopción de intervenciones no farmacéuticas entre 15 y 45 días después de los primeros casos notificados y el efecto de esas intervenciones sobre las tasas de infección y mortalidad. Los investigadores también simularon intervenciones no farmacéuticas para reducir los contagios en tres niveles diferentes: un 20%, un 50% y un 80%.
Y otra de las conclusiones más relevantes fue la comprobación de la importancia de centrar los primeros esfuerzos en la gente más sensible y de mayor edad. “Si nada más empiezan los contagios se aísla a la gente más sensible y de mayor edad, se consiguen frenar un poco, pero donde más se nota es en los recursos sanitarios utilizados y en la mortalidad, pues estas personas son las que tiene una mayor probabilidad de padecer peores síntomas al estar infectados”, añade Campos.
Actualmente, el equipo de LOIMOS trabaja en la incorporación –y simulación en el modelo– de la incidencia de nuevas cepas en el periodo de vacunación.
