El mapeo de la red social de coronavirus
Para frenar el virus, Alessandro Vespignani y otros analistas están compitiendo para modelar el comportamiento de su huésped humano.
Alessandro Vespignani, director del Network Science Institute de la Northeastern University en Boston. Crédito ... Kayana Szymczak para The New York Times
Por Benedict Carey ||
The New York Times
BOSTON - Las oficinas del Network Science Institute en la Northeastern University se encuentran 10 pisos por encima de Back Bay de Boston. Las ventanas envolventes ofrecen un panorama flotante de la ciudad, desde Boston Common hasta Fenway Park, mientras una media docena de jóvenes analistas trabajan silenciosamente en las computadoras.
A las 10 de la mañana de una mañana reciente, cuando se completaron las primeras llamadas a la Organización Mundial de la Salud y los médicos europeos y el registro con los Centros para el Control y la Prevención de Enfermedades programado para más tarde, Alessandro Vespignani, el director del instituto, tuvo algo de tiempo para trabajar. el cuarto. Con un blazer negro y jeans, se movió de cubículo en cubículo, brindando a cada miembro de su equipo las últimas actualizaciones sobre la pandemia de coronavirus.
"Llamamos a esto" tiempo de guerra "", dijo el Dr. Vespignani más tarde en su oficina; Estaba sentado, pero sus manos no habían dejado de moverse. "Antes de esto, estábamos trabajando en el Ébola y el Zika, y cuando estas cosas se están extendiendo, estás trabajando sobre la marcha, no te detienes. Continuamente estás modelando redes ".
Históricamente, los científicos que intentaban anticipar la trayectoria de las enfermedades infecciosas se centraron en las propiedades del agente en sí, como su nivel de contagio y letalidad. Pero las enfermedades infecciosas necesitan ayuda para propagar su miseria: humanos que se encuentran con humanos, en persona. En la última década más o menos, los principales investigadores han comenzado a incorporar redes sociales en sus modelos, tratando de identificar y analizar patrones de comportamiento individual que amplifican o silencian posibles pandemias.
Esos hallazgos, a su vez, informan recomendaciones de política. ¿Cuándo tiene sentido cerrar escuelas o lugares de trabajo? ¿Cuándo cerrará un borde hará una diferencia y cuándo no? Los funcionarios de salud mundiales consultan con los modeladores de redes sociales casi a diario, y el laboratorio del Dr. Vespignani es parte de uno de los varios consorcios que se consultan en las decisiones cruciales y tal vez disruptivas que se producirán en las próximas semanas. El viernes, en un análisis publicado por la revista Science, el grupo estimó que la prohibición de viajar de China a Wuhan retrasó el crecimiento de la epidemia en solo unos días en China continental y en dos o tres semanas en otros lugares. "En el futuro, esperamos que las restricciones de viaje a las áreas afectadas por COVID-19 tengan efectos modestos", concluyó el equipo.
"Hoy, con la enorme potencia de cómputo disponible en la nube, el Dr. Vespignani y otros colegas pueden modelar el mundo entero utilizando" datos disponibles públicamente, dijo la Dra. Elizabeth Halloran, profesora de bioestadística de la Universidad de Washington e investigadora sénior en El Centro de Investigación del Cáncer Fred Hutchinson. "Por un lado, está el auge de la ciencia de redes, y por otro, está el enorme aumento de la potencia informática".
El Dr. Vespignani llegó al análisis de redes a través de la física. Después de completar un Ph.D. En su Italia natal, realizó estudios postdoctorales en Yale, donde comenzó a centrarse en aplicar técnicas computacionales a la epidemiología y los datos geográficos.
Obtenga una guía informada del brote global con nuestro boletín diario de coronavirus.
"Mira, soy romano y soy fanático de Lazio", dijo el equipo de fútbol. “Estábamos en primer lugar, finalmente, ¿después de cuántos años? - y algunos fanáticos piensan que el coronavirus es una conspiración contra Lazio. No digo que esto sea gracioso, sino decir: cada red social funciona a su manera ".
Estaba de pie nuevamente y deambulaba por una hilera de oficinas con paredes de vidrio. En un momento, metió la cabeza en una oficina donde Ana Pastore y Piontti, física e investigadora asociada, estaba trabajando en uno de los problemas del día: el cierre de escuelas, analizado estado por estado y región por región. Los funcionarios de salud de todo el país están lidiando con el cierre de las escuelas locales: cuáles, qué tan pronto y por cuánto tiempo.
"Ana está trabajando en esto ahora, queremos poder estimar los efectos", dijo el Dr. Vespignani.
Detalles en un mapa de riesgos de principios de este mes que simulan la posible ruta del coronavirus desde China al resto del mundo. Crédito ... Kayana Szymczak para The New York Times
Su proyecto, como muchos otros en el instituto, utiliza datos del censo, que revela la composición de casi todos los hogares estadounidenses: la cantidad de adultos y niños, y sus edades. Desde un solo hogar, se puede construir un mapa grande. Primero, las conexiones entre mamá, papá, hijo e hija. A continuación se agregan las conexiones de papá en la tienda, las de mamá en una oficina y las de los niños en sus respectivas escuelas. El análisis podría determinar que, por ejemplo, un niño de 12 años que vive en el centro de Redmond, Washington, cerca de Seattle, entrará en contacto regular con sus padres, su hermana y un promedio de 20.5 compañeros en su escuela secundaria local. .
La repetición del proceso con los hogares cercanos genera un denso mapa digital de interconexiones en toda una comunidad. En el monitor de la computadora del Dr. Pastore y Piontti, se asemeja a un circuito eléctrico complejo, con alambres y cables multicolores desde y hacia concentrados centros de interacción.
"Piense en ello como rastrear todas las interacciones regulares en el videojuego SimCity", dijo.
A este mapa, agrega aún más conexiones, incorporando datos sobre viajes dentro y fuera de esa comunidad, por aire, tren o autobús (si dicha información está disponible). El resultado final, que ella llama una "matriz de contacto", parece un mapa de calor aproximado: una diapositiva de color que muestra quién tiene más probabilidades de interactuar con quién, por edad. De esto, resta de todas las interacciones escolares, revelando una estimación de cuántas interacciones menos, y posibles nuevas infecciones, ocurrirían al cerrar ciertas escuelas.
"Cada país, cada estado, puede ser muy diferente, dependiendo de los patrones de interacción y composición de los hogares", dijo el Dr. Pastore y Piontti. "Y luego está la cuestión de qué es más efectivo: una semana de cierre, o dos semanas, o cerrado hasta el próximo año escolar".
El Dr. Vespignani había desaparecido nuevamente en su oficina con un par de analistas de alto rango. Estaban acurrucados alrededor de un altavoz, pasando por los últimos cambios de modelado con un investigador externo. El laboratorio es parte de un consorcio que asesora al C.D.C. y atiende llamadas continuas de operaciones de mapeo de enfermedades infecciosas en todo el mundo.
La conversación y la consulta son continuas, porque el instituto debe navegar por las limitaciones inherentes a todos los modelos predictivos. Un desafío es que no se pueden anticipar lugares importantes para la progresión de la enfermedad: los cruceros, por ejemplo. Otro tiene en cuenta los eventos aleatorios, por ejemplo, una persona infectada que de repente decide que ahora es el momento de hacer un viaje soñado a España.
"Puede parecer algo pequeño en ese momento, pero después del hecho de que usted dice:" Oh, sí, eso fue muy importante ", dijo Duncan Watts, un científico de informática e información de la Universidad de Pensilvania. "¿Cómo manejas estos factores inesperados?"
Finalmente, a medida que las personas se vuelvan más informadas sobre el coronavirus, su comportamiento cambiará, a veces drásticamente y en masa.
"Una buena analogía es una tormenta", dijo el Dr. Steven Riley, profesor de dinámica de enfermedades infecciosas en el Imperial College de Londres, que ha realizado modelos durante décadas. “Se puede pronosticar una tormenta fuerte en un lugar en particular, y la gente sacará un paraguas y se pondrá un abrigo. Bueno, el impacto es menor para esas personas, pero no tiene ningún efecto en la tormenta. Con las enfermedades infecciosas, las precauciones de las personas, como el distanciamiento social, cambian la trayectoria de la enfermedad, y es muy difícil predecir o modelar eso ".
Para entonces, el Dr. Vespignani, nuevamente en movimiento, había arrinconado a un colega visitante, Mauricio Santillana, director del Laboratorio de Investigación de Inteligencia de Máquina en la Facultad de Medicina de Harvard.
El Dr. Santillana trabaja para comprender cómo cambia el comportamiento de las personas día a día en medio de una pandemia. Para obtener información, recurre a una amplia gama de variables, incluidas menciones de ciertas palabras: "fiebre", "neumonía", "coronavirus", en búsquedas en línea y comentarios en las redes sociales. Juntos, él y el Dr. Vespignani están tratando de encontrar la mejor manera de incorporar este análisis continuamente actualizado en los modelos de viaje y geográficos utilizados en el instituto.
"Podemos observar, por ejemplo, cuando X número de personas están buscando‘ fiebre "en línea, hubo Y número de personas que terminaron en el hospital", dijo el Dr. Santillana. "Entonces podemos usar ese tipo de datos del día a día para actualizar continuamente estos modelos de redes sociales".
Todo esto, en términos computacionales en bruto, es solo el comienzo de la campaña. Ningún modelo predictivo único es suficiente; El laboratorio de Vespignani y sus colegas de todo el mundo ejecutan millones de simulaciones regularmente para ayudar a evaluar qué resultados son los más probables en un mundo que cambia a diario. Google le ha otorgado espacio libre en la nube para hacerlo, porque la potencia informática interna no es lo suficientemente rápida.
Es difícil saber qué tan bien funciona este modelado, y si ayudará a contener el virus, mientras se libra la batalla, el Dr. Vespignani dijo: "Es en tiempo de paz, entre brotes, que podemos hacer ciencia real y mejorar el modelos. Esperemos que llegue pronto.
