Martí Català defiende su tesis sobre modelos matemáticos de enfermedades infecciosas

Martí Català defendió su tesis dirigida por Clara Prats y Sergio Alonso del grupo de Biologia computacional y sistemas complejos (BIOCOM-SC) el 14 de Octubre de 2021 en el Campus de Castelldefels. La tesis se titulada "Modelos matemáticos para el estudio de enfermedades infecciosas, desde el entendimiento hasta la predicción", y analiza la aplicación de modelos matemáticos a la propagación de la Tuberculosis y del Covid-19.

Cada año 10 millones de personas mueren a causa de enfermedades contagiosas. Son enfermedades infecciosas causadas por agentes que se transmiten entre los diferentes individuos. Hoy en día, la tuberculosis (TB) y el COVID-19 son las dos enfermedades infecciosas que tienen un mayor impacto mundial. Según las estimaciones de la Organización Mundial de la Salud, la TB ha causado la muerte de casi 40 millones de individuos en los últimos 20 años. La pandemia del COVID-19 ha cambiado por completo la forma de vivir de la población mundial. Desde enero de 2020 ha causado millones de muertos y ha condicionado las vidas y el comportamiento de las personas.

Los modelos matemáticos y computacionales son una herramienta muy potente que, en ciencia, pueden ayudar a entender, predecir y/o condicionar la dinámica de un sistema en concreto. En esta tesis presentamos un compendio de cinco artículos donde se usan los modelos matemáticos para entender y predecir las dinámicas de la tuberculosis y el COVID-19 en diferentes escalas espacio-temporales.

Aunque la TB es una enfermedad que se identificó hace muchos años, algunos detalles de su historia natural aún son desconocidos. El objetivo principal de esta tesis en relación a la TB es entender los factores y procesos que facilitan el paso desde una infección latente a enfermedad activa. También hemos intentado mejorar el conocimiento e identificar las particularidades de los 70000 años de coexistencia entre los humanos y la TB.

Hemos creado diferentes modelos sobre la infección tuberculosa pulmonar a diferentes escalas espaciales. A nivel alveolar, hemos identificado que el correcto balance entre la respuesta inmune y la respuesta inflamatoria es determinante para el resultado de la infección. A escala del lóbulo secundario hemos visto que la distancia entre la lesión y la membrana pulmonar es un factor importante que determinará el tamaño final de la lesión. A escala del pulmón, se ha reproducido la hipótesis dinámica que nos permite explicar la generación de nuevas lesiones a partir de diseminación bronquial de las lesiones iniciales. Se ha identificado el proceso de fusión de lesiones como uno de los procesos más importantes que hace aparecer lesiones más grandes y acaba originando la enfermedad activa.

Además, hemos modelizado la coexistencia entre los humanos y la TB en el Paleolítico y el Neolítico. Se ha identificado que la protección femenina ante la TB fue crucial para la supervivencia de la especie humana. En el Neolítico, aparecieron cepas ”modernas”que desplazaron las ”antiguas”. Con modelos matemáticos se ha podido observar que esta aparición no era posible en el Paleolítico.

 Al iniciarse la pandemia del COVID-19, los sistemas de vigilancia que debían servir para controlar y monitorizar la pandemia eran inexistentes o deficientes. En esta tesis hemos trabajado principalmente en dos aspectos para ayudar a la monitorización de la pandemia: determinar la incidencia real de la primera ola y crear un modelo de predicciones a corto plazo

Hemos desarrollado una metodología para determinar la incidencia real que tuvo el COVID-19 basada en la letalidad de la enfermedad y las series temporales de defunciones. Esta metodología se ha podido aplicar en varios países europeos, teniendo en cuenta los posibles sesgos, por ejemplo, las diferentes pirámides de población. También se ha usado y calibrado un modelo empírico basado en la ecuación de Gompertz que nos permite hacer una predicción de los casos a corto plazo a nivel de país.

Esta tesis demuestra cómo los modelos computacionales y matemáticos pueden ayudar a predecir y entender mejor las características de las enfermedades infecciosas usando como ejemplo la tuberculosis y el COVID-19.

Etiquetas
r_n