Modelos matemáticos del coronavirus: ¿Qué tanto acertaron?

Medidas en el transporte urbano son esenciales para contener la pandemia.

Foto: Agencia AFP

En enero y febrero de este año, cuando el mundo comenzaba apenas a enterarse de lo que acontecía en la ciudad de Wuhan, China, por cuenta de un nuevo coronavirus SARS-CoV-2, diferentes grupos de científicos en el mundo dedicados a construir modelos matemáticos para entender el comportamiento de las epidemias se lanzaron a una carrera contra el tiempo para proyectar lo que podría ocurrir si no se tomaban medidas adecuadas para contener y mitigar la situación.

Uno de los grupos más importantes en esta tarea ha sido el grupo de modelamiento matemático de enfermedades infecciosas en el Imperial College de Londres. Allí trabajan cerca de 250 personas de diferentes disciplinas, desde biólogos hasta matemáticos e ingenieros. Una de ellas es la epidemióloga colombiana Zulma Cucunubá que ayer participó en una conversación organizada por El Espectador junto al epidemiólogo Julián Fernández Niño de la U. del Norte, la socióloga Tatiana Andia de la U. de los Andes y Andrés Vecino, profesor de la Escuela de Salud Pública de Johns Hopkins en Estados Unidos, sobre la utilidad de estos modelos.

Las predicciones iniciales hechas por este y otros grupos han sido blanco de muchas críticas y cuestionamientos alrededor del mundo. En opinión de Tatiana Andia esas críticas podrían agruparse en tres categorías. Unas apuntan a la capacidad predictiva de esos modelos, es decir, hasta qué punto anticiparon lo que realmente estamos experimentando por cuenta del coronavirus. Otro grupo de críticas están dirigidas a la construcción de esos modelos en si mismos, a la lógica que subyace en ellos. Y en el tercer grupo de críticas podrían incluirse todas las críticas que cuestiona la calidad de los datos con los que se alimentan los modelos.  

“Una de las cosas que es importante entender es que son modelos, no reproducen la realidad. Eso es deseable porque un modelo tan complejo como la realidad sería inmanejable”, apuntó Andia. 

Andrés Vecino coincide con esa advertencia a la hora de evaluar y juzgar los modelos: “un modelo es una representación generalizada de la realidad… Se usan porque no conocemos el evento nuevo y queremos informar la realidad con base en lo que ocurre en el pasado. Esos modelos han salvado vidas en todo el mundo”. 

Un reto a la hora de construir modelos como los que se han usado para analizar la pandemia del coronavirus es que resulta difícil “capturar la heterogeneidad de todo el mundo”. Por ejemplo, no es lo mismo el comportamiento de un virus en barrios de Brasil comparados con barrios en Finlandia. 

“Creo que cuando llegó la pandemia solo teníamos esos modelos, seis meses después quienes trabajamos en esto no hemos alcanzado a hacer otros análisis de datos que puedan informar a los tomadores de decisiones para lograr una posición común. Hemos reaccionado tarde”, apuntó Vecino.  

Zulma Cucunubá no comparte las críticas a la imprecisión del modelo y su poco realismo. "Lo que veo es que se han cumplido los tamaños de epidemia, letalidades y trayectorias de epidemias. No entiende bien a qué se refieren con que no se han cumplido. El escenario sin intervenciones no se ha cumplido porque hubo intervenciones".

La verdadera prueba de fuego para evaluar los modelos son los estudios poblacionales para evaluar cúantas personas terminaron infectadas con un microorganismo. “Por ahora no podemos saber que tan buenos o malos han sido los modelos con coronavirus hasta que tengamos estudios de seroprevalencia. Sin embargo, los pocos que hay como los de España, Reino Unido o Nueva York, están en el rango de las proyecciones de los modelos con diferentes tipos de intervenciones”.

Por su parte, Julián Fernández Niño cree que en medio del debate sobre los modelos el intento de desacreditar a toda la disciplina de la epidemiología es absurdo. Explicó que todos los modelos matemáticos en epidemiología se construyen sobre supuestos y parámetros, y un problema común entre muchos de los críticos es que no se enteran de los supuestos de los que parten los autores de los modelos a la hora de juzgarlos.  

“El problema que estamos viendo es el problema de la mediatización de la ciencia. Un debate técnico razonable al hacerse público puede conllevar una degeneración de ese debate y a desacreditar una ciencia que tiene un rigor, que tiene limitaciones pero es la primera en reconocer esa limitación”.

 Zulma Cucunubá recalcó que los modelos matemáticos de enfermedades infecciosas parte de las teorías sobre epidemias del siglo pasado según las cuales “los fenómenos biológicos pueden ser explicados a través de serie de ecuaciones y procesos”. Si bien algunos de los parámetros necesarios pueden resultar imposibles de medir en esos casos se usan estimaciones. Aclaró, además, que existen diferentes tipos de modelos, algunos más deterministas que otros. 

Otro de los desafíos identificados por la epidemióloga colombiana es que regiones como América Latina carecen de modelos propios adaptados a sus circunstancias sociales.  

En ese sentido, para Tatiana Andia la experiencia acumulada modelando la realidad social por parte de otros científicos sociales podría ser valiosa a la hora de construir y alimentar modelos epidemiológicos propios.

Andrés Vecino cree que esta pandemia nos ha recordado nuestro retraso en esa tarea. De hecho seis meses después de comenzar la pandemia ha faltado interés en recolectar más y mejores datos en nuestros países. 

Más allá de las críticas y las debilidades de los modelos, Vecino recordó la frase que escuchó de alguien en su campo: “Es mejor tener un mal modelo que no tener un modelo”, 

Una versión similar es el mantra que repiten los colegas de Zulma Cucunubá: “Todos los modelos están errados pero algunos son útiles.