Un nou simulador de pandèmies ajuda a preveure’n l’evolució en diferents escenaris epidemiològics

03/11/2021
Andrés Moya, investigador de la Universitat de València en el projecte

La Universitat de València i l’empresa Biotechvana del Parc Científic han participat en el desenvolupament i la validació d’un nou simulador de pandèmies que ajuda a preveure’n l’evolució en diferents escenaris epidemiològics. El sistema, anomenat LOIMOS, s’ha desenvolupat en el context de la COVID-19 i els seus resultats se cenyeixen al virus SARS-CoV-2, encara que es podrien aplicar a l’estudi d’altres pandèmies. El treball apareix publicat en la revista microLife.

LOIMOS ha estat desenvolupat per equips de recerca de la Universitat de València, la Universitat Politècnica de València, el grup Biologia i Evolució de Microorganismes de l’Institut Ramon y Cajal de Recerca Sanitària (IRYCIS) Madrid, el CIBER en Epidemiologia i Salut Pública, la Fundació FISABIO, el Consell Superior d’Investigacions Científiques (CSIC), l’Hospital General Universitari de València, l’Hospital Universitari la Paz de Madrid i l’empresa Biotechvana, ubicada al Parc Científic de la Universitat de València.

“Podem dibuixar múltiples escenaris, plantejar totes les preguntes i hipòtesis que vulguem i predir-ne els efectes. Això ajuda moltíssim a decidir quines mesures cal prendre, a establir aquelles que resultin més efectives per evitar o almenys limitar la propagació del virus”, destaca José M. Sempere, investigador del grup ALFA-VRAIN de la Universitat Politècnica de València.

Disseny virtual i jerarquitzat del comportament i l’evolució dels virus

El sistema es basa en models de computació amb membranes, que permeten dissenyar de manera virtual el comportament de virus en diversos entorns, condicions i nivells de gravetat.

“Aquests models reprodueixen els virus i les interaccions amb un nivell de detall sense precedents. D’aquesta manera, podem avaluar i predir la incidència d’un virus en un barri, en una ciutat o en un país, sota situacions diferents, i observar-ne l’evolució a curt, mitjà i llarg termini”, explica José M. Sempere.

“Allò important és que se simulen sota determinats supòsits –per exemple, diversos tipus de mesures preventives– i se n’avalua la taxa d’infecció i la variació amb el temps en la població. Òbviament, si els supòsits canvien, podrien canviar els efectes del virus. Disposar d’una eina com la que s’ha desenvolupat ací és molt rellevant, perquè pot ajudar a proposar mesures efectives contra l’expansió d’aquesta epidèmia per part del virus i, per extensió, de qualsevol altre patogen”, explica Andrés Moya, catedràtic de Genètica de la Universitat de València i investigador a l’Institut de Biologia Integrativa de Sistemes (I2SysBio-UV/CSIC) i a Fisabio.

LOIMOS és, a més, un model amb diferents nivells jeràrquics que interactuen entre si, a diferència d’altres utilitzats fins ara. D’aquesta manera, el fet de modificar només un paràmetre d’aquests nivells permet veure els efectes en aquest nivell i en tots els altres. “Per exemple, podríem augmentar en el model el període en què el virus pot produir contagis i veure com afectaria això la quantitat de gent que treballarà”, explica Marcelino Campos, investigador també del grup ALFA-Institut VRAIN de la Universitat Politècnica de València.

Entre altres variables, LOIMOS incorpora el tipus d’infeccions, el grau d’immunitat adquirida o el període i els índexs de contagi; permet definir diferents valors segons la zona i el rang d’edat de la persona infectada o la mecànica de la infecció.

L’escenari és una localitat europea de 10.000 habitants

Per a la seua validació, l’equip d’investigadors va aplicar LOIMOS a una ciutat tipus europea –fictícia– de poc més de 10.000 habitants, i va reproduir la dinàmica de l’epidèmia i els efectes de la immunitat sobre la transmissió del virus SARS-CoV-2 a diferents franges d’edat.

El model va predir les conseqüències d’endarrerir l’adopció d’intervencions no farmacèutiques entre 15 i 45 dies després dels primers casos notificats i l’efecte d’aquestes intervencions sobre les taxes d’infecció i de mortalitat. Els investigadors també van simular intervencions no farmacèutiques per reduir els contagis en tres nivells diferents: un 20%, un 50% i un 80%.

I una altra de les conclusions més rellevants va ser la comprovació de la importància de centrar els primers esforços en la gent més sensible i de més edat. “Si només comencen els contagis s’aïlla a la gent més sensible i de més edat, s’aconsegueixen frenar un poc, però on més es nota és en els recursos sanitaris utilitzats i en la mortalitat, doncs aquestes persones són les que tenen una major probabilitat de patir pitjors símptomes en estar infectats”, afegeix Campos.

Actualment, l’equip de LOIMOS treballa en la incorporació –i simulació al model– de la incidència de nous ceps en el període de vacunació.

Referencia

Simulating the impact of non-pharmaceutical interventions limiting transmission in COVID-19 epidemics using a membrane computing model. Campos M, Sempere JM, Galán JC, Moya A, Llorens C, de-Los-Angeles C, Baquero-Artigao F, Cantón R, Baquero F. Microlife. 2021 Sep 9;2:uqab011. doi: 10.1093/femsml/uqab011. PMID: 34642663; PMCID: PMC8499911

https://pubmed.ncbi.nlm.nih.gov/34642663/