Models matemàtics per fer seguiment de l’epidèmia de COVID-19
Un nou entorn que millora la flexibilitat del servei per 5G
març 3, 2020
Innovació per a plantes hidroelèctriques que milloraran la flexibilitat del sistema elèctric
març 1, 2020Diversos grups i centres de recerca de la UPC treballen en projectes sobre gestió de grans volums de dades i modelització matemàtica per avançar en la investigació en l'emergència sanitària causada per l'epidèmia del COVID-19.
Un model matemàtic per fer un seguiment de l’epidèmia
El Grup de Biologia Computacional i Sistemes Complexos (BIOCOM-SC) de la UPC, especialitzat en epidemiologia matemàtica, juntament amb l’Institut de Recerca Germans Trias i Pujol (IGTP), ha treballat en l’anàlisi de dades sobre la incidència de la COVID-19 i ha desenvolupat diferents models matemàtics que permeten quantificar la situació, així com predir els quinze dies posteriors.
Durant tota la pandèmia el centre ha publicat diversa documentació per entendre la dinàmica epidemiològica, informes diaris per avaluar la situació i fer prediccions a curt termini a Catalunya, a Espanya i a la Unió Europea.
La UPC impulsa la plataforma GoData y dóna suport a l’OMS
La UPC està donant suport tècnic, amb la col·laboració dels departaments d’Enginyeria Telemàtica i d’Arquitectura de Computadors, a l’Organització Mundial de la Salut (OMS) per l’aplicació a Catalunya del software GoData, una eina d’investigació de brots per recollir dades de camp durant emergències de salut pública del COVID-19.
La UPC i l’spin-off Alteraid, sorgida de la UPC, impulsen la plataforma GoData.cat, que dóna suport a la instal·lació del software de l’OMS i ofereix un servidor de proves per fer test i formació de l’aplicació.
És una eina multilingüe i flexible, amb múltiples funcions per a la importació i exportació de dades, això permet obtenir informació per fer un seguiment de la incidència del COVID-19 i poder adaptar la resposta de les institucions sanitàries als diferents escenaris.
Un model per estimar el nombre real de casos de COVID-19 per cada comunitat autònoma
31-03-2020
Un equip de matemàtics i estadístics de la UPC, de la Humboldt-Universität zu Berlin i de la UAB està desenvolupant un model per estimar el nombre real de nous casos diaris de persones infectades per COVID-19, davant la impossibilitat de tenir aquesta dada directament en tota la població donat que molts dels casos són lleus o asimptomàtics. Les dades oficials es basen en números que reflecteixen aquells casos més greus i, per tant, es desconeixen aquells altres casos que també contribueixen a l’expansió de la pandèmia.
Investigadors del Departament de Matemàtiques de la UAB van desenvolupar el 2016 un mètode per a l’anàlisi de dades subrepresentades en les estadístiques (Under‐reported data analysis with INAR‐hidden Markov chains). El mètode permet fer una estimació acurada del nombre de casos que no es registren oficialment, amb diverses aplicacions en salut pública, com el seguiment del nombre de casos reals d’infeccions pel virus del papil·loma humà (VPH), de botulisme i també de casos reals de dones maltractades.
Ara, els investigadors de la UAB, amb la col·laboració del Departament de Ciències de la Computació de la UPC, de la Humboldt-Universität zu Berlin i del Centre de Recerca Matemàtica, estan aplicant aquest mètode per tal d’actualitzar diàriament la situació de COVID-19 i, en particular, quantificar els casos no reportats en el registre oficial de la malaltia a Espanya. Els resultats permeten donar una imatge més realista de la pandèmia a temps real, així com estimar amb més precisió dades fonamentals com les taxes de mortalitat reals o el nombre bàsic de reproducció, necessàries perquè els professionals i els polítics puguin prendre decisions. L’anàlisi està pensat per ser fàcilment reproduïble amb dades d’altres països.
Per part de la UPC, l’investigador Argimiro Arratia, del Laboratori d'Algorísmia Relacional, Complexitat i Aprenentatge (LARCA), participa en el disseny i la programació de models epidèmics als quals se’ls introdueix com a input les sèries de casos d’infecció reconstruïdes d’acord amb el model matemàtic desenvolupat per l’equip de la UAB. A més, l’investigador col·labora en la recol·lecció de dades, el tractament d’aquestes i l’automatització de tot el procés d’execució de les simulacions i anàlisi de dades.
Projectes Relacionats
- El centre de recerca Intelligent Data Science and Artificial Intelligence (IDEAI) de la UPC forma part del projecte AI4HealthyAging, que desenvoluparà solucions intel·ligents per a la detecció precoç de malalties neurològiques, motores i degeneratives derivades de l’envelliment.
- Cada any, més de quatre milions de pacients adquireixen alguna infecció associada a estades hospitalàries, segons l’European Centre for Disease Prevention and Control i l’Organització Mundial de la Salut. Les dades indiquen que l’impacte d’aquestes infeccions ja ha generat una mortalitat directa i indirecta de 137.000 pacients i un cost de set bilions d’euros anuals.
- El projecte Hospitals 4.0 – Machine learning per a una gestió més efectiva, en el qual participa el Grup MCIA de la Universitat Politècnica de Catalunya, té com a principal objectiu la construcció d'un digital twin que permetrà un sistema de gestió d'equips predictiu i correctiu.
- BIOPHOCH té com a objectiu desenvolupar noves eines i metodologies per a l’anàlisi d’imatges i el processament de dades en l’àmbit de la salut a través de les tecnologies fotòniques.
