Eficacia de las decisiones para controlar la pandemia: El valor del Big Data

Anette Hosoi, Ali Jadbabaie y Juncal Arbelaiz

La Fundación Rafael del Pino organizó, el 29 de junio de 2020, el diálogo en directo a través de www.frdelpino.es titulado «Eficacia de las decisiones para controlar la pandemia: El valor del Big Data» en el que participaron Anette Hosoi, Ali Jadbabaie y Juncal Arbelaiz.

Anette Hosoi es decana asociada de la Escuela de Ingeniería del MIT y Neil and Jane Pappalardo Professor de ingeniería mecánica. Se dedica a desbloquear todo el potencial de los estudiantes a través de iniciativas educativas y planificación estratégica que promueven el papel de la escuela como líder mundial en investigación y educación en ingeniería. Hosoi es lincenciada por la Universidad de Princeton y tiene un máster y un doctorado en física de la Universidad de Chicago. Sus intereses de investigación incluyen dinámica de fluidos, robótica no convencional y diseño de inspiración biológica.En 2012, Hosoi fue nombrada miembro de la American Physical Society y en 2018, honrada con el Premio Stanley Corrsin. También fue ganadora del Premio Ruth y Joel Spira a la Enseñanza Distinguida, el Premio Junior Bose a la Educación, el Premio Bose a la Excelencia en la Enseñanza y el Premio al Educador Distinguido Den Hartog del Departamento de Ingeniería Mecánica.

Ali Jadbabaie es JR East Professor en el Departamento de Ingeniería Civil y Ambiental, y el Director Asociado del Instituto de Datos, Sistemas y Sociedad (IDSS). También es director del Centro de Investigación de Sistemas Sociotécnicos e Investigador Principal del Laboratorio de Sistemas de Información y Decisión (LIDS). Es miembro de la comunidad de ECO desde 2016. Es conocido por su trabajo en las áreas de ciencia de redes, economía de redes, optimización para aprendizaje automático, teoría de control y coordinación de múltiples agentes.

Juncal Arbelaiz obtuvo su grado (2014) y máster (2016) en Ingeniería de Tecnologías Industriales por la Universidad de Navarra. Tras graduarse como primera de su promoción, obtuvo el Premio Fin de Carrera de la Fundación Bancaria Kutxa, el Premio Extraordinario Fin de Carrera de la Universidad de Navarra y el Premio Nacional Fin de Carrera otorgado por el Gobierno de España. Su interés por el uso de técnicas analíticas y computacionales avanzadas en el campo de la investigación operativa le llevó a comenzar en septiembre de 2016 su doctorado en Matemáticas Aplicadas en el Massachusetts Institute of Technology (M.I.T.), en Cambridge, EEUU. Su tesis doctoral se centra en el diseño de algoritmos para el control, optimización y toma de decisiones en operaciones y sistemas dinámicos complejos, autónomos y de grandes dimensiones.

Resumen:

El 29 de junio de 2020, la Fundación Rafael del Pino organizó el diálogo “Eficacia de las decisiones para controlar la pandemia: el valor del Big Data”, en el que participaron Anette Hosoi, decana asociada de la Escuela de Ingeniería del MIT, y Ali Jadbabaie, JR East Professor en el Departamento de Ingeniería Civil y Ambiental y director asociado del Instituto de Datos, Sistemas y Sociedad (IDSS), también del MIT.

Anette Hosoi explicó que el IDSS es un sistema que utiliza datos y sistemas de análisis de grandes datos para enfrentarse a problemas que afectan a la sociedad. En el IDSS están bien preparados para dar una solución al coronavirus porque están acostumbrados a interactuar para ver como encajan las leyes físicas con el comportamiento. En segundo lugar, está la parte de los datos. Una serie de instituciones, como la Universidad John Hopkins o el New York Times, pusieron a disposición del público muchos datos. Con ellos pudieron empezar a plantear posibles soluciones, estudiar la crisis desde distintas facetas, predecir cuándo se va a producir la siguiente oleada, cómo encaja con los impactos económicos, cómo afecta a los asuntos relativos a la justicia y la equidad, cuáles son los mecanismos físicos básicos de transmisión. Con esa información es posible diseñar políticas a nivel de universidades, ciudades y estados.

Ali Jadbabaie comentó lo interesante que fue ver que con el coronavirus estaban funcionando de forma distinta a como lo hacen habitualmente los académicos, Normalmente discurren, piensan, dedican años a la redacción de un artículo académico. Ahora han tenido que reaccionar de forma inmediata, porque las reuniones para estudiar los datos eran cotidianas. No es un ejercicio académico, sino que va a tener consecuencias en términos de políticas. El IDSS ha sido diseñado para conseguir estos objetivos.

Anette Hosoi dijo que los resultados pueden encontrarse en la página del IDSS. Todavía no han superado el proceso de revisión académica porque no ha habido tiempo. Se trata de que esas ideas las examine el resto de la comunidad para poder conseguir soluciones.

Ali Jadbabaie señaló que la crisis del coronavirus ha sido un ejercicio para los alumnos y doctorandos del IDSS, que están en el programa de Ingeniería Social. El coronavirus es un problema multifacético, en el que confluyen datos, procesos biológicos, mecanismos de transmisión, aspectos sociales.

Anette Hosoi destacó que se pusieron a trabajar rápidamente porque el coronavirus es un problema perentorio, en el que el propio COVID pone limitaciones. Afortunadamente, los datos estaban disponibles. Superar el obstáculo de conseguirlos ha sido esencial.

Ali Jadbabaie indicó que muchos de los participantes en el trabajo llevan estudiando las redes y la propagación de epidemias desde hace mucho tiempo. Otras personas en el grupo han estudiado problemas muy parecidos. Conocemos los modelos epidémicos. Lo que ha sido un desafío es que, por la naturaleza de crecimiento exponencial del problema, las trayectorias de propagación de la epidemia son muy sensibles a los presupuestos que utilicemos. Por eso, los cálculos estimativos han sido muy distintos. El problema es que hay demasiadas partes en movimiento, muchas sensibilidades. Una de las posibilidades de aproximación al problema es mediante un modelo mecanicista. Básicamente, con él intentan explicar la propagación del virus en función de las ecuaciones utilizando las informaciones recabadas. El otro planteamiento es estudiarlo como un ejercicio de ajuste de curva. Lo que queremos hacer es elegir una función de base para conseguir que encajen los parámetros. Ambos planteamientos existen con sus ventajas y desventajas. Hemos intentado establecer el vínculo entre ambas perspectivas.

Anette Hosoi añadió que, como estamos ante una crisis global, deben ponerse manos a la obra todos los investigadores juntos. Este no es el momento de ser territoriales. Hay algo especial en el grupo del IDSS que es la amplitud de miras y de conocimientos del grupo en su conjunto. La propagación de la enfermedad es un problema de fluidos porque son aerosoles o gotículas. Por eso hay que hay que comprender el proceso físico de propagación. Es un ejemplo de la importancia de tener equipos interdisciplinares. Ella es ingeniera experta en mecánica de fluidos, un conocimiento necesario para resolver el problema. En el IDSS están acostumbrados a trabajar de forma interdisciplinar.

Gracias a ello, explica Ali Jadbabaie, entienden qué está pasando y cómo se produce, aunque hay otra serie de problemas a largo plazo que también hay que estudiar. Uno de los ingredientes clave en su trabajo es la capacidad de ser muy exigente con las evaluaciones de políticas e hipótesis de contraste. La idea es que a menudo lo que queremos hacer es contar con un grupo de control y otro de tratamiento, pero no siempre es posible hacerlo porque no tenemos un universo paralelo. Pero los distintos países han tomado distintas decisiones. Había que aprovechar esa heterogeneidad y ver si se podía crear, por ejemplo, una versión sintética de Estados Unidos y pensar que hubiera pasado si se hubiera aplicado, por ejemplo, la política de la India. Con eso se puede ver cuántas vidas se hubieran salvado si se hubiesen aplicado medias antes.

Anette Hosoi destacó que, de esta forma, se entiende la importancia de contar con equipos interdisciplinares, porque los expertos en epidemiología no lo son en controles sintéticos. Hemos tenido la suerte de poder dividir las cosas, no hemos tenido que pasar directamente de la política al impacto del virus. Se puede medir la movilidad y vincularla a la propagación del virus. Esto nos permite llevar a cabo este análisis robusto, estudiando estos datos de control sintético, estudiando, por ejemplo, los datos de Google. La otra parte es cómo las políticas inciden sobre la mortalidad. Podemos ayudar cuando decimos cuál es el nivel de movilidad que deberíamos conseguir o cuáles son las políticas idóneas para tal o cual cultura.

Ali Jadbabaie señaló que, en todo esto, lo social, lo económico y lo cultural son muy importantes, incluso los sistemas políticos. Estados Unidos tiene un sistema político muy descentralizado, con sus sistemas sanitarios, sus culturas, sus normas. Corea del Sur estaba más preparada porque ha superado crisis anteriores, como el SARS, y ha podido ajustar rápidamente las políticas. Allí, además, ha sido posible imponer el distanciamiento social de forma estricta.

Para Anette Hosoi, lo más emocionante como resultado del trabajo es una serie de reglas generales. Este es un sistema muy complejo, y la capacidad de reducirlo a pautas que podemos explicar a quien toma decisiones políticas es increíble. Imaginemos como se propaga una enfermedad en una población. Cuando una persona se infecta es asintomática, no tiene síntomas. El problema es que está contagiando a los demás, pero los demás no lo saben. En un mundo ideal quieres limitar su número. Eso tiene un impacto tremendo sobre la expansión del virus. Puedes hacerlo limitando el número de personas que son infecciosos, con mascarillas, distanciamiento social, confinamiento, pero también se puede acelerar la identificación de estas personas para que no contagien nadie. Las personas infectadas se pueden recuperar, pueden ser sintomáticas y se les puede aislar. Esto podemos acelerarlo un poco haciendo informes de salud. Si se pueden hacer pruebas, se puede encontrar a esas personas y pedirles que se confinen. Es importante para la expansión del coronavirus porque la mayor parte de la gente es asintomática. Esto se puede convertir en decisiones políticas.

Ali Jadbabaie distinguió dos tipos de planteamientos. Uno es crear un modelo mecanicista y transformarlo en una ecuación diferencial. El hecho de contar con datos de las distintas partes de este modelo permite predecir lo que va a suceder luego. El otro es hacer un ejercicio basado en muchos datos y en un modelo de curvas para encajarlos. Si el planteamiento no es estructural, si no emana de la dinámica real del proceso, no es posible comprender el efecto de las intervenciones públicas, porque si cambian esas intervenciones, se puede ver afectado un parámetro del modelo. En segundo lugar, todos estos modelos intentan ser simplistas. Estos nos muestran un crecimiento exponencial y luego hay una degradación. En los datos, la degradación no se da tan rápidamente como en los modelos simplistas. Se debe a la heterogeneidad de la población. Los que tienen más contactos tienden a contagiarse antes. Por eso, las primeras cifras sobrevaloraban los contagios y las muertes. Ahora la propagación va más despacio porque llega a personas con menos contactos.

Las mascarillas son otro ejemplo que le gusta a Anette Hoisi. Si tenemos a una persona infectada y está respirando o hablando, podemos resolver la prevalencia del virus que rodea a esa persona respecto a otra situada a un metro de distancia. Se puede calcular cuantas partículas va a ingerir esa otra persona y la probabilidad de la infección. En cuanto puedes cuantificar los mecanismos de propagación, puedes calcular el impacto de una mascarilla. Es una solución muy robusta para prevenir el contagio, porque basta que en cada interacción solo una persona lleve la mascarilla.

Ali Jadbabaie advirtió de que, aunque comprendemos el mecanismo de la propagación, hay tal nivel de incertidumbre en relación con los datos que los intervalos de confianza son grandes. Con datos de mayor granularidad que pudiéramos integrar en el modelo los intervalos serían más reducidos. Por ejemplo, datos de transporte, o determinar quién tiene síntomas. También hay que entender mejor la red de contactos, porque los modelos de redes exigen conocer la estructura de la red. Este tipo de modelos permiten determinar los recursos necesarios.

Para Anette Hoisi es importante saber cómo interactúan las personas porque todo esto va a impactar en la fuerza de la conexión, de esos nodos. Otra cosa muy útil sería contar con datos acerca de si el modo principal de transmisión es a través de aerosoles o gotículas. Comprenderlo nos va a indicar la mejor forma de aplicar los recursos, si es mejor ventilar un lugar o mantener la distancia entre las personas.

La Fundación Rafael del Pino no se hace responsable de los comentarios, opiniones o manifestaciones realizados por las personas que participan en sus actividades y que son expresadas como resultado de su derecho inalienable a la libertad de expresión y bajo su entera responsabilidad. Los contenidos incluidos en el resumen de esta conferencia son resultado de los debates mantenidos en el encuentro realizado al efecto en la Fundación y son responsabilidad de sus autores.

The Rafael del Pino Foundation is not responsible for any comments, opinions or statements made by third parties. In this respect, the FRP is not obliged to monitor the views expressed by such third parties who participate in its activities and which are expressed as a result of their inalienable right to freedom of expression and under their own responsibility. The contents included in the summary of this conference are the result of the discussions that took place during the conference organised for this purpose at the Foundation and are the sole responsibility of its authors.