• Investigadores das universidades de Vigo e Santiago desenvolven un código de xemelgos dixitais con este obxectivo que, aínda que parte do escenario do Covid, podería aplicarse a outras doenzas
21
Apr
2022
A noción de xemelgo dixital, explican os investigadores, ten a súa orixe na Nasa, coa finalidade de mellorar a simulación do modelo físico dunha nave aeroespacial.

Investigadores das universidades de Vigo e Santiago de Compostela lograron desenvolver un código baseado no concepto de xemelgo dixital que permite predicir a evolución de doenzas infecciosas como o Covid a curto, medio e longo prazo, teniendo en cuenta o acontecido ata unha data determinada e considerando distintos escenarios segundo as medidas tomadas.

Interacción modelo realidade

O traballo acaba de ser publicado na revista Mathematical Methods in the Applied Sciences baixo o título 'Concept and solution of dixital twin based on a Stieltjes differential equation', asinado por Iván Area (Universidade de Vigo) e Francisco J. Fernández, Juan José Nieto e Adrián F. Tojo (Universidade de Santiago de Compostela), investigadores pertencentes no seu maior parte tamén ao CITMAga, Centro de Investigación e Tecnoloxía Matemática de Galicia.

A noción de xemelgo dixital, explican os investigadores, ten a súa orixe na Nasa, coa finalidade de mellorar a simulación do modelo físico dunha nave aeroespacial. “A idea de fondo é dispoñer dun modelo que poida explicar a realidade, a propia realidade e sobre todo a posibilidade de interactuar a realidade co modelo e reciprocamente”, afirman os autores do traballo.

No caso da pandemia de Covid, comenta Iván Area, membro do Departamento de Matemática Aplicada II da Universidade de Vigo e profesor da Escola de Enxeñería Aeronáutica e do Espazo do campus de Ourense, “temos claramente as tres partes: os datos da pandemia, un modelo virtual que permite analizar doenzas e, a novidade, a interacción entre a realidade e o modelo para incrementar a precisión das predicións”.

Nesta pandemia, sinalan os investigadores da UVigo e USC, houbo “múltiples estadios con moi distintas situacións a nivel práctico, que variaron desde o confinamento total, o emprego de máscaras en interiores e exteriores, só en interiores, vacinación aos distintos grupos de idade, etc”. Deste xeito, detallan, as taxas de transmisión de Covid tamén variaron en cada un dos estadios. “O que fixemos foi empregar a idea de xemelgos dixitais para definir un modelo de tipo compartimental que nos permite actualizar as distintas taxas coa periodicidade idónea e poder predicir o futuro cun alto grao de precisión”, sinala Juan José Nieto, catedrático de Análise Matemática da Universidade de Santiago de Compostela.

Para poder incrementar aínda máis a precisión das predicións, os investigadores empregaron “unha ferramenta altamente potente, pero cun maior grao de complexidade tanto desde o punto de vista analítico como computacional”. Trátase das chamadas derivadas de Stieltjes, que “permiten considerar procesos que teñen distintos impulsos”, tal e como afirma Francisco J. Fernández, profesor tamén da Universidade de Santiago de Compostela.

Posibilidades do código desenvolto

O código desenvolto, destacan os matemáticos, “permite facer predicións da evolución da doenza a curto, medio e longo prazo, teniendo en cuenta o acontecido ata unha data determinada”. Tamén permite, engaden, observar como sería a evolución no caso de non adoptar distintas medidas durante a pandemia, tanto de maior control como de relaxación. “Son futuros que non se produciron, algúns deles afortunadamente”, sinala Adrián F. Tojo, tamén profesor da USC.

Por último, o grupo de investigadores recalcan a importancia do traballo feito pois é modificable para outras doenzas. “Podemos predicir o avance da gripe cunha elevadísima precisión, que é fundamental para a toma de decisións”, afirman. Estas predicións, engaden, “serían moi útiles en futuras epidemias”. Esta investigación contou co apoio da Axencia Estatal de Investigación, Instituto de Saúde Carlos III e da Xunta de Galicia.

Compartir