“El análisis estadístico es clave para entender los patrones de contagio y reducir la propagación de epidemias”

Tom Britton es profesor de Estadística Matemática y director del Departamento de Matemáticas en la Universidad de Estocolmo. Sus áreas de interés son los modelos de probabilidad aplicada y la inferencia estadística para ellos, especialmente en los modelos de epidemias, redes y aplicaciones a la genética y a la biología molecular, incluyendo la filogénesis. A finales de octubre de 2014 visitó el ICMAT con motivo del congreso de Biología Matemática organizado por el ICMAT junto al Grupo de Modelización Estocástica de la Universidad Complutense, y pudimos hacerle unas preguntas.

¿En qué problemas trabaja actualmente?

Estoy trabajando en varios problemas, todos ellos relacionados con la modelización de enfermedades infecciosas. Uno de ellos trata de analizar el actual brote de Ébola: en particular, algunos estudios existentes cometen errores por no tener en cuenta que la epidemia se ha observado en las fases tempranas del brote, lo que provoca muchas observaciones “inusualmente” cortas. Algunos otros problemas son de una naturaleza más teórica: por ejemplo, ¿qué ocurre con una epidemia en una red social donde los individuos “abandonan” a los amigos que  han sido infectados?

¿Cómo pueden ayudar las matemáticas a entender y controlar epidemias como la del Ébola?

En mi opinión, desde los modelos teóricos pueden surgir nuevas percepciones incluso si esos modelos son simplificaciones de las epidemias del mundo real: por ejemplo, el efecto dramático que pueden tener los superpropagadores en el contagio de enfermedades. También pueden ser una guía para ver qué medidas preventivas pueden ser más eficientes. Finalmente, cuando surge una epidemia emergente (como está pasando con el Ébola), el análisis estadístico, incluso a través de modelos sencillos, es una herramienta clave para entender los patrones de contagio y cómo reducir la propagación.

También aplican la probabilidad y la estadística en genética y biología molecular, ¿de qué manera?

En algunas enfermedades infecciosas, como el VIH, el virus evoluciona en tiempo real. Entonces, las secuencias de ADN de individuos infectados pueden ayudar para deducir el árbol de transmisión o, al menos, algunas de sus propiedades por el hecho de que individuos cercanos entre ellos en el árbol de transmisión tendrán secuencias de ADN más similares que otros.

¿Cuáles cree que son los grandes retos en estos temas que se pueden abordar con las matemáticas?

Es una pregunta complicada. Quizás incorporar mejor el comportamiento cambiante de los humanos debido al brote de una epidemia en sí mismo, y medirlo con los datos.

La matemática se crea en muchos casos como un lenguaje que después resulta ser útil y aplicable a la realidad. Por ejemplo, las geometrías no-euclidianas se crearon como una construcción abstracta y años después resultaron ser la clave de la teoría de la relatividad de Einstein. ¿Conoce algún caso de este tipo en biología?

La biología se va haciendo más y más matemática, principalmente por la habilidad de secuenciar cosas. Esto ha hecho que surjan nuevos usos de algunos métodos (por ejemplo, MCMC, Monte Carlo Markov chains) y ha inspirado la necesidad de nuevas metodologías (por ejemplo, métodos estadísticos cuando hay muchos parámetros pero muy pocas observaciones).

Los problemas matemáticos en el estudio de las epidemias se han considerado principalmente desde una perspectiva determinista, y mucho menos desde una visión estocástica, ¿cuáles cree que son las ventajas y las desventajas de las herramientas deterministas y estocásticas?

Ambos métodos son útiles, pero para aspectos diferentes. Cuando el foco está en el inicio del brote de una epidemia o en eventos de extinción, entonces son preferibles los modelos estocásticos; mientras que cuando el interés está en R_0, los niveles endémicos y los tamaños finales de la epidemia, entonces los modelos determinísticos son suficientes. Desde un punto de vista estadístico, los modelos estocásticos tienen la gran ventaja de que permiten medidas de incertidumbre de las estimaciones de los parámetros. La ventaja de los modelos determinísticos es que son más fáciles de analizar.

Más información:

http://people.su.se/~tbrit/

Ágata A. Timón es responsable de Comunicación y Divulgación del ICMAT.

 

Compartir:

Un comentario

  1. Todo lo que revoluciona nuestro modo de pensar, cambia nuestras actitudes, si es para trascender en la VIDA,¡Adelante!

Deja un comentario