COVID-19 · Modelos matemáticos y de gestión de datos en emergencias de salud pública
Un nuevo entorno que mejora la flexibilidad del servicio para 5G
marzo 3, 2020
Energía hidroeléctrica para mejorar la flexibilidad del sistema eléctrico
marzo 1, 2020Varios grupos y centros de investigación de la UPC trabajan en proyectos sobre gestión de grandes volúmenes de datos y modelización matemática para avanzar en la investigación en la emergencia sanitaria causada por la pandemia del COVID-19.
Un modelo matemático para hacer un seguimiento de la epidemia
El grupo de investigación de Biología Computacional y Sistemas Complejos (BIOCOM-SC), especializado en epidemiología matemática, junto con el Instituto de Investigación Germans Trias i Pujol (IGTP) están trabajando en el análisis de datos sobre la incidencia del COVID-19 y han desarrollado un modelo matemático que permite cuantificar la situación, así como la predicción de los siguientes 3 días.
El centro ofrece un documento divulgativo para entender la dinámica epidemiológica,
La UPC impulsa la plataforma GoData y apoya la OMS
La UPC está dando soporte técnico, con la colaboración de los departamentos de Ingeniería Telemática y de Arquitectura de Computadores, a la Organización Mundial de la Salud (OMS) para la aplicación en Cataluña del software GoData, una herramienta de investigación de brotes para recoger datos de campo durante emergencias de salud pública del COVID-19.
La UPC y la spin-off
Es una herramienta multilingüe y flexible, con múltiples funciones para la importación y exportación de datos, esto permite obtener información para hacer un seguimiento de la incidencia del COVID-19 y poder adaptar la respuesta de las instituciones sanitarias en los diferentes escenarios.
Un modelo para estimar el número real de casos de COVID-19 por cada comunidad autónoma
31/03/2020
Un equipo de matemáticos y estadísticos de la UPC, de la Humboldt-Universität zu Berlin y de la UAB está desarrollando un modelo para estimar el número real de nuevos casos diarios de personas infectadas por COVID-19, ante la imposibilidad de tener este dato directamente en toda la población dado que muchos de los casos son leves o asintomáticos. Los datos oficiales se basan en números que reflejan aquellos casos más graves y, por tanto, se desconocen aquellos otros casos que también contribuyen a la expansión de la pandemia.
Investigadores del Departamento de Matemáticas de la UAB desarrollaron en 2016 un método para el análisis de datos subrepresentadas en las estadísticas (Under-reported data analysis with INAR-hidden Markov chains). El método permite hacer una estimación precisa del número de casos que no se registran oficialmente, con diversas aplicaciones en salud pública, como el seguimiento del número de casos reales de infecciones por el virus del papiloma humano (VPH), de botulismo y también de casos reales de mujeres maltratadas.
Ahora, los investigadores de la UAB, con la colaboración del Departamento de Ciencias de la Computación de la UPC, de la Humboldt-Universität zu Berlin y del Centro de Investigación Matemática, están aplicando este método para actualizar diariamente la situación de COVID-19 y, en particular, cuantificar los casos no reportados en el registro oficial de la enfermedad en España. Los resultados permiten dar una imagen más realista de la pandemia en tiempo real, así como estimar con mayor precisión datos fundamentales como las tasas de mortalidad reales o el número básico de reproducción, necesarias para que los profesionales y los políticos puedan tomar decisiones. El análisis está pensado para ser fácilmente reproducible con datos de otros países.
Por parte de la UPC, el investigador Argimiro Arratia, del Laboratorio de Algorítmica Relacional, Complejidad y Aprendizaje (LARCA), participa en el diseño y la programación de modelos epidémicos a los que se les introduce como input las series de casos de infección reconstruidas de acuerdo con el modelo matemático desarrollado por el equipo de la UAB. Además, el investigador colabora en la recolección de datos, el tratamiento de estas y la automatización de todo el proceso de ejecución de las simulaciones y análisis de datos.
Proyectos Relacionados
- El proyecto HybridNeuro, en el que participan investigadores del grupo BIOART, que forma parte CREB de la UPC, pretende establecer una nueva vía de análisis del sistema motor y los movimientos músculo esqueléticos humanos, así como trasladar la investigación académica a la práctica clínica e industrial.
- El centro de investigación Intelligent Data Science and Artificial Intelligence (IDEAI) forma parte del proyecto AI4HealthyAging, que desarrollará soluciones inteligentes para la detección precoz de enfermedades neurológicas, motoras y degenerativas derivadas del envejecimiento.
- El proyecto Hospitales 4.0 – Machine learning para una gestión más efectiva, en el que participa el Grupo MCIA de la Universitat Politècnica de Catalunya, tiene como principal objetivo la construcción de un digital twin que permitirá un sistema de gestión de equipos predictivo y correctivo.
- El proyecto Fotónica biomédica y machine learning para el diagnóstico y tratamiento de disfunciones oculares, deterioro cognitivo y enfermedades hematológicas (BIOPHOCH), liderado por el Centro de Desarrollo de Sensores, Instrumentación y Sistemas (CD6), tiene como objetivo desarrollar nuevas herramientas y metodologías para el análisis de imágenes y el procesamiento de datos en el ámbito de la salud a través de las tecnologías fotónicas.
