Estrategias de vacunación para una pandemia utilizando algoritmos genéticos

Sabemos que será cuestión de tiempo el encontrar una vacuna para contrarrestar el SARS-Cov-2. No es complicado deducir que solo estarán disponibles una cantidad limitada de vacunas para afrontar la pandemia. Los algoritmos genéticos nos pueden ayudar a la optimización de su producción, distribución y aplicación entre la población.

Estudio de algoritmos genéticos y visualización

Durante estos meses ha tomado protagonismo la representación de los datos asociados a la enfermedad para tratar de ayudarnos a entender su evolución. Un área, la visualización de datos, protagonista en la resolución de multitud de problemas en cada vez más áreas de conocimiento, capta el interés de los analistas. No obstante, muchas de estas visualizaciones carecen de sensibilidad sobre la realidad representada. 

No es lo mismo mostrar información de muertes que de ventas de productos. Sin embargo, para un análisis adecuado de los datos, es necesario abstraerse un poco de la realidad que los datos representan.

En 2004, Rajan Patel, Ira M. Longini Jr. y M. Elizabeth Halloran de la La Escuela de Salud Pública Rollins de la Universidad Emory publicaron el articulo: “Finding optimal vaccination strategies for pandemic influenza using genetic algorithms”.  En él se analizaba cómo encontrar distribuciones óptimas de vacunas minimizando el número de enfermos o fallecimientos usando técnicas de Algoritmos Genéticos. Debido a la complejidad del proceso epidémico (no linealidad y aleatoriedad) no es trivial dar con dicha distribución.

Fuente: https://www.washingtonpost.com/graphics/2020/world/corona-simulator/

Descarga nuestra guía gratuita: Tecnología y salud. Las 10 tendencias que definirán el futuro del sector sanitario

Ejemplos anteriores de lucha contra una pandemia

El estudio toma ejemplo de la pandemia asiática (1957-1958) y de la que afectó a Hong Kong (1968-1969), ambas causadas por la gripe A(H2N2, H3N2). Las referencias para el modelo se basan en el estudio del censo y el impacto de la enfermedad en diferentes grupos clasificados por edad y enfermedades específicas. 

Los autores proponen una simulación estocástica de la gripe a lo largo del tiempo dentro de una población estructurada de 10,000 individuos para estimar la efectividad de varias distribuciones de las dosis. La población se dispone en diferentes comunidades con lugares comunes (escuelas, mercados o lugares de trabajo) donde los individuos pueden estar en contacto y donde cada grupo tiene su propia probabilidad de transmisión dependiendo de la edad.

Fuente:Patel R, Longini IM Jr, Halloran ME. Finding optimal vaccination strategies for pandemic influenza using genetic algorithms. Journal of Theoretical Biology. 2005 May;234(2):201-212. DOI: 10.1016/j.jtbi.2004.11.032.

La probabilidad de infectarse para cada día e individuo, está en función del estado de vacunación, contactos y probabilidades de transmisión específicas del grupo. Además, se tienen en cuenta valores asociados a la tasa de ataque, períodos de incubación e infección de la enfermedad y aislamiento.

Suministro de vacunas: un problema de optimización

El problema de optimización que se plantea es: dada una cantidad limitada de vacunas, una estructura de población particular y un patrón de tasa de ataque de la enfermedad, ¿qué proporción de cada grupo de edad debe vacunarse para minimizar el impacto de la enfermedad?

El estudio, en base a algoritmos genéticos, concluye que la distribución óptima es sensible a la propagación, objeto de control (extensión de la enfermedad o fallecimientos) y cantidad de dosis disponibles. Los algoritmos genéticos, junto con un modelo de simulación bien calibrado nos permitiría obtener una buena aproximación óptima de la distribución de la vacuna. 

Resulta interesante comparar los resultados frente a las políticas recomendadas por el Centro para el Control y la Prevención de Enfermedades (CDC). Desde allí se aconseja sistemáticamente aplicar a todas las personas mayores de 50 años, personas con riesgo de complicaciones relacionadas con la enfermedad y personas con mayor tasa de propagación, independientemente de los patrones de transmisión.

La conclusión más importante y evidente es que parece que no es necesaria una vacunación masiva para controlar la enfermedad y/o fallecimientos. Sobre el modelo de la gripe asiática (1957-1958) y con el objetivo de minimizar la enfermedad, la distribución óptima de la vacuna fue un 84% más efectiva que la vacunación aleatoria cuando solo había dosis para el 30% población. En el caso concreto de la gripe asiática (1957-1958), la estrategia de vacunación que obtuvo el modelo fue concentrar la vacunación en niños (los más afectados) y el resto sobre adultos de mediana edad.

Solo el tiempo, y el estudio de algoritmos genéticos, nos confirmará cómo lograr ese equilibrio necesario para hacer un aprovechamiento óptimo de las vacunas disponibles y entregar las dosis a los segmentos de población adecuados.

Raúl Reyero Diez

Profesor de las maestrías en Inteligencia Artificial y Big Data & Data Science