Un equipo de matemáticos del Technological Institute for Data, Complex Networks & Cybersecurity (DCNC Sciences) de la Universidad Rey Juan Carlos (URJC) de Madrid ha elaborado un sistema de predicción de propagación de la covid-19 para el Comité Español de Matemáticas (CEMat).
Este trabajo constituye la aportación de la URJC a la iniciativa ‘Acción Matemática contra el coronavirus’ del CEMat, el organismo que coordina y canaliza el envío de los datos hacia los Ministerios de Sanidad y de Ciencia e Innovación, así como a las autoridades sanitarias de las comunidades autónomas.
El modelo está basado en «un sistema de ecuaciones diferenciales y desagregado por Comunidades Autónomas que incluye varios experimentos de acotación y optimización de parámetros, así como un análisis comparativo entre el modelo agregado de todo el país y el separado por comunidades», señala la Rey Juan Carlos.
El sistema está siendo «bastante fiable», al combinar ecuaciones diferenciales con técnicas de ajuste funcional y elementos de data science, explica el director del DCNC, Regino Criado, quien añade que «ha habido días en los que la diferencia entre la predicción y el dato real final ha sido de dos o seis personas».
En cuanto a la metodología, «se utiliza como variable el estudio del número de fallecidos, que se relaciona con el número de recuperados, mediante la expresión resultante de multiplicar la tasa de mortalidad por el número de recuperados».
«Cada día hacemos una predicción para los próximos siete días. Me maravilla ver como un modelo matemático se va ajustando a lo que está sucediendo en la realidad. Ver que las ecuaciones funcionan», considera Criado.
Participan también en la elaboración de ese modelo el profesor del área de Matemática Aplicada Miguel Romance y el profesor ayudante David Aleja, ambos de la Rey Juan Carlos.
«Dentro del modelo SEIR (susceptibles, expuestos, infectados y recuperados) que utilizamos, elegimos parámetros que pueden variar en un rango, variamos muchos de estos parámetros, a través de operaciones matemáticas y los que más se parecen a la realidad los utilizamos para hacer las predicciones», indica Aleja.
Aún así, el matemático aclara que dicho modelo «puede fallar» si se encuentra con una variable no contemplada, como podría ser una flexibilización del confinamiento», por lo que el valor añadido de su modelo reside en utilizar la ciencia de datos para resolver el error.
«El modelo básico se puede equivocar, pero los ordenadores, gracias al ‘data science’, repasan las operaciones anteriores viendo en qué se ha equivocado con respecto a datos reales. Para realizar las nuevas predicciones incorporan las correcciones a partir de esa información ofrecida por la realidad», subraya Aleja.
Con aportaciones como esta de la universidad madrileña, el Comité Español de Matemáticas (CEMat) busca la ayuda de los «mejores» expertos nacionales para construir un ‘meta-predictor’ sobre la expansión de la pandemia que permita facilitar a las autoridades información fiable a corto plazo y ayudar así en las tomas de decisiones.
Hasta el momento, el CEMat cuenta con el concurso de 32 grupos de expertos que proporcionan regularmente las predicciones para esta acción de Predicción Cooperativa.
