por
La investigación descrita en este artículo se ha publicado en un servidor de preimpresión, pero aún no ha sido revisada por expertos médicos o científicos.
Todos los días, durante las últimas semanas, se han publicado cuadros y gráficos que trazan el pico proyectado de infecciones por Covid-19 en periódicos y transmisiones de noticias. Muchos de estos modelos se desarrollaron sobre la base de datos de estudios de epidemias anteriores como el SARS o el MERS. Ahora, un equipo de ingenieros del MIT ha desarrollado un modelo que utiliza datos de la pandemia Covid-19 junto con una red neuronal para determinar la efectividad de las medidas de cuarentena y predecir mejor la propagación del virus.
"Nuestro modelo es el primero que utiliza datos del propio coronavirus e integra dos áreas: aprendizaje automático y epidemiología estándar", dice Raj Dandekar, estudiante de doctorado en ingeniería civil y ambiental. Junto con George Barbastathis, profesor de ingeniería mecánica, Dandekar ha pasado los últimos meses desarrollando el modelo como parte del proyecto final de la clase 2.168 (Learning Machines).
La mayoría de los modelos utilizados para predecir la propagación de una enfermedad siguen lo que se conoce como el modelo SEIR, que agrupa a las personas en "susceptibles", "expuestas", "infectadas" y "curadas". Dandekar y Barbastathis mejoraron el modelo SEIR al entrenar una red neuronal para capturar la cantidad de individuos infectados que están en cuarentena y, por lo tanto, ya no transmiten la infección a otros.
El modelo revela que en lugares como Corea del Sur, donde hubo una intervención gubernamental inmediata en la implementación de fuertes medidas de cuarentena, el virus se propagó más rápidamente. En lugares donde la implementación de intervenciones gubernamentales fue más lenta, como Italia y Estados Unidos, el 'número de reproducción efectiva' de Covid-19 permanece por encima de uno, lo que significa que el virus ha continuó extendiéndose exponencialmente.
El algoritmo de aprendizaje automático muestra que con las medidas de cuarentena vigentes, la meseta para Italia y Estados Unidos llegará entre el 15 y el 20 de abril. Esta predicción es similar a otras proyecciones como la del Institute for Health Metrics and Evaluation.
"Nuestro modelo muestra que las restricciones de cuarentena logran reducir el número de reproducción efectiva de más de uno a menos de uno", explica Barbastathis. "Este es el punto en el que podemos aplanar la curva y comenzar a ver menos infecciones".
Cuantificar el impacto de la cuarentena
A principios de febrero, cuando las noticias sobre la inquietante tasa de infección por el virus comenzaron a ocupar los titulares, Barbastathis ideó un proyecto para los estudiantes de la clase 2.168. Al final de cada semestre, los estudiantes de la clase tienen la tarea de desarrollar un modelo físico para un problema del mundo real y desarrollar un algoritmo de aprendizaje automático para abordarlo. Propuso que un equipo de estudiantes trabajara en mapear la propagación de lo que entonces se conocía simplemente como 'coronavirus'.
"Los estudiantes aprovecharon la oportunidad de trabajar en el coronavirus, queriendo abordar de inmediato un tema de actualidad de la manera típica del MIT", agrega Barbastathis.
Uno de esos estudiantes fue Dandekar. "El proyecto realmente me interesó porque pude aplicar esta nueva área de aprendizaje automático científico a un problema muy urgente", dice.
A medida que Covid-19 comenzó a extenderse por todo el mundo, el alcance del proyecto se amplió. Lo que originalmente comenzó como un proyecto solo para extenderse a Wuhan, China, ha crecido para incluir transmisiones a Italia, Corea del Sur y Estados Unidos también.
El dúo comenzó a modelar la propagación del virus en cada una de estas cuatro regiones después de registrar el caso número 500. Este paso marcó una clara delimitación de cómo los diferentes gobiernos implementaron las órdenes de cuarentena.
Armado con datos precisos de cada uno de estos países, el equipo de investigación tomó el modelo SEIR estándar y lo aumentó con una red neuronal que aprende cómo las personas infectadas en cuarentena afectan la tasa de infección por VIH. 39; infección. Entrenaron la red neuronal a través de 500 iteraciones para que luego pudiera aprender a predecir los patrones de propagación de la infección.
Con este modelo, el equipo de investigación pudo establecer una correlación directa entre las medidas de cuarentena y la reducción del número efectivo de reproducciones de virus.
“La red neuronal aprende lo que llamamos 'función de control de cuarentena'”, dice Dandekar. En Corea del Sur, donde rápidamente se implementaron fuertes medidas, la función de control de cuarentena ha sido eficaz para reducir el número de nuevas infecciones. En los Estados Unidos, donde las medidas de cuarentena se han implementado lentamente desde mediados de marzo, ha sido más difícil detener la propagación del virus.
Predecir la "meseta"
A medida que disminuye el número de casos en un país determinado, el modelo de pronóstico cambia de un régimen exponencial a un régimen lineal. Italia comenzó a entrar en este régimen lineal a principios de abril, y Estados Unidos no se quedó atrás.
El algoritmo de aprendizaje automático que desarrollaron Dandekar y Barbastathis predice que Estados Unidos comenzará a cambiar de un régimen exponencial a uno lineal en la primera semana de abril, con un estancamiento en el número de casos infectados probablemente entre el 15 y el 20 de abril. también sugiere que el número de infecciones llegará a 600.000 en los Estados Unidos antes de que la tasa de infección comience a estancarse.
“Este es un momento realmente crucial. Si relajamos las medidas de cuarentena, podría conducir al desastre ”, dice Barbastathis.
Según Barbastathis, solo hay que mirar a Singapur para ver los peligros que podrían derivarse de aliviar las medidas de cuarentena demasiado rápido. Aunque el equipo no ha estudiado los casos de Covid-19 en Singapur como parte de su investigación, la segunda ola de infección que está experimentando este país refleja los hallazgos de su modelo sobre la correlación entre las medidas de cuarentena. y la tasa de infección.
"Si Estados Unidos seguía la misma política de aliviar la cuarentena demasiado pronto, pronosticamos que las consecuencias serían mucho más graves", agrega Barbastathis.
El equipo planea compartir el modelo con otros investigadores con la esperanza de que pueda ayudar a informar las estrategias de cuarentena de Covid-19 que pueden tener éxito en reducir la tasa de cuarentena. infección.
