¿Cuál es el riesgo de contraer un virus en un avión?

La investigación histórica basada en movimientos grupales de humanos y animales sugiere tres reglas simples:

• Aléjese de los que están demasiado cerca.
• Muévete hacia los que están lejos.
• Emparejar la dirección del movimiento de sus vecinos.

Esta investigación se usa especialmente para viajes aéreos donde existe un mayor riesgo de infección o enfermedad contagiosa, como el reciente brote mundial del coronavirus, que causa la enfermedad COVID-19.

"Las aerolíneas usan varias zonas para abordar", dijo Ashok Srinivasan, profesor del Departamento de Ciencias de la Computación de la Universidad de West Florida. "Al abordar un avión, las personas se bloquean y se ven obligadas a pararse cerca de la persona que coloca el equipaje en el contenedor. Las personas están muy cerca unas de otras. Este problema se exacerba cuando se utilizan muchas zonas. Desembarcar es mucho más suave y rápido,no es tanto tiempo para infectarse ".

Srinivasan es el investigador principal de una nueva investigación sobre modelos de dinámica de peatones que se ha utilizado recientemente en el análisis de procedimientos para reducir el riesgo de propagación de enfermedades en los aviones. La investigación fue publicada en la revista PLOS ONE en marzo de 2020.

Durante muchos años, los científicos han confiado en el modelo SPED (Dinámica de entidad autopropulsada), un modelo de fuerza social que trata a cada individuo como una partícula puntual, análoga a un átomo en las simulaciones de dinámica molecular. En tales simulaciones, las fuerzas atractivas y repulsivas entre los átomos gobiernan el movimiento de los átomos. El modelo SPED modifica el código y reemplaza los átomos con humanos.

"[El modelo SPED] cambia los valores de los parámetros que gobiernan las interacciones entre los átomos para que reflejen las interacciones entre los humanos , manteniendo la forma funcional igual", dijo Srinivasan.

Srinivasan y sus colegas utilizaron el modelo SPED para analizar el riesgo de un brote de ébola en 2015, que fue ampliamente cubierto en los medios de comunicación de todo el mundo. Sin embargo, una limitación del modelo SPED es que es lento, lo que dificulta tomar decisiones oportunas. Se necesitan respuestas rápidas en situaciones como un brote como COVID-19.

Lea también: Nuevas directrices para controlar el coronavirus entre los ancianos

Los investigadores decidieron que era necesario un modelo que pudiera simular las mismas aplicaciones que SPED, a la vez que fuera mucho más rápido. Propusieron el modelo CALM (para movimiento lineal restringido de individuos en una multitud). CALM produce resultados similares a SPED, pero no se basa en el código MD. En otras palabras, CALM fue diseñado para ser rápido.

Al igual que SPED, CALM fue diseñado para simular el movimiento en pasillos estrechos y lineales. Los resultados de su investigación muestran que CALM se desempeña casi 60 veces más rápido que el modelo SPED. Además de la ganancia de rendimiento, los investigadores también modelaron comportamientos peatonales adicionales.

"El modelo CALM superó las limitaciones de SPED donde se requieren decisiones en tiempo real", dijo Srinivasan.

Trabajo Computacional Usando Frontera

Los científicos diseñaron el modelo CALM desde cero para que pudiera ejecutarse de manera eficiente en las computadoras, especialmente en las GPU (unidades de procesamiento gráfico).

Para su investigación, Srinivasan y sus colegas utilizaron Frontera, la supercomputadora número 5 más poderosa del mundo y la supercomputadora académica más rápida, según el ranking de noviembre de 2019 de la organización Top500 . Frontera se encuentra en el Centro de Computación Avanzada de Texas y cuenta con el apoyo de la National Science Foundation.

"Una vez que Blue Waters comenzó a retirarse gradualmente, Frontera fue la opción natural, dado que era la nueva máquina insignia financiada por NSF", dijo Srinivasan. "Una pregunta que teníamos es si ha generado un número suficiente de escenarios para cubrir el rango de posibilidades. Verificamos esto generando histogramas de cantidades de interés y viendo si el histograma converge. Usando Frontera, pudimos realizar simulaciones suficientemente grandes y ahora sabemos cómo se ve una respuesta precisa ".

En la práctica, no es factible hacer predicciones precisas debido a las incertidumbres inherentes, especialmente en las primeras etapas de una epidemia; esto es lo que hace que el aspecto computacional de esta investigación sea desafiante.

"Necesitábamos generar una gran cantidad de escenarios posibles para cubrir el rango de posibilidades. Esto hace que sea computacionalmente intensivo", dijo Srinivasan.

El equipo validó sus resultados al examinar los tiempos de desembarque en tres tipos diferentes de aviones. Como una sola simulación no captura la variedad de patrones de movimiento humano, realizaron simulaciones con 1,000 combinaciones diferentes de valores y las compararon con los datos empíricos .

Lea también: ¿Por qué la pandemia afecta la bolsa de valores?

Usando el subsistema GPU de Frontera, los investigadores pudieron reducir el tiempo de cálculo a 1,5 minutos. "El uso de las GPU resultó ser una elección afortunada porque pudimos implementar estas simulaciones en la emergencia COVID-19. Las GPU en Frontera son un medio para generar respuestas rápidamente".

Pero espere: ¿los modelos no capturan eventos extremos? En términos de preparación general, Srinivasan quiere que la gente entienda que los modelos científicos a menudo no capturan eventos extremos con precisión.

Aunque se han realizado estudios empíricos exhaustivos en varios vuelos para comprender el comportamiento humano y la limpieza de las superficies y el aire, un brote de infección importante es un evento extremo: los datos de situaciones típicas pueden no capturarlo.

Hay alrededor de 100,000 vuelos en un día promedio . Un evento de muy baja probabilidad podría ocasionar frecuentes brotes de infección solo porque la cantidad de vuelos es muy grande. Aunque los modelos han pronosticado que la transmisión de la infección en los aviones es poco probable, ha habido varios brotes conocidos.

Srinivasan ofrece un ejemplo.

"En general, se cree que la infección que se propaga en los aeropuertos ocurre dos filas delante y detrás del paciente índice", dijo. "Durante el brote de SARS en 2002, en los pocos vuelos con propagación de infección, esto fue mayormente cierto. Sin embargo, un solo brote representó más de la mitad de los casos y la mitad de los infectados se sentaron a más de dos filas de distancia en ese vuelo". Uno podría tener la tentación de ver este brote como un caso atípico. Pero el "caso atípico" tuvo el mayor impacto, por lo que las personas a más de dos filas de distancia representaron un número significativo de personas infectadas con SARS en los vuelos ".

Actualmente, con respecto a COVID-19, se cree que la persona infectada típica enferma a otras 2.5. Sin embargo, ha habido comunidades donde un solo 'súper-esparcidor' infectó a un gran número de personas y jugó el papel principal en un brote. Según Srinivasan, el impacto de tales eventos extremos y la dificultad de modelarlos con precisión dificultan la predicción.

Lea también: Guerra política y otras 3 consecuencias del Coronavirus

"En nuestro enfoque, no pretendemos predecir con precisión el número real de casos", dijo Srinivasan. "Más bien, tratamos de identificar vulnerabilidades en diferentes políticas u opciones de procedimiento, como diferentes procedimientos de embarque en un avión. Generamos una gran cantidad de escenarios posibles que podrían ocurrir y examinamos si una opción es consistentemente mejor que la otra. Si es así , entonces puede considerarse más robusto. En un entorno de toma de decisiones, uno puede elegir la opción más robusta, en lugar de confiar en los valores esperados de las predicciones ".

Algunos consejos prácticos

Srinivasan también tiene algunos consejos prácticos para los lectores.

"Es posible que aún esté en riesgo [de tener un virus] incluso si está más lejos que seis pies", dijo. "En discusión con los modeladores que lo defienden, parece que esos modelos no tienen en cuenta el flujo de aire. Así como una pelota va más lejos si la lanzas con el viento, las gotas que transportan los virus irán más lejos en la dirección del flujo de aire."

Estas no son solo consideraciones teóricas. En Singapur , observaron que una salida de aire de escape de un inodoro utilizado por un paciente dio positivo por el nuevo Coronavirus y lo atribuyó al flujo de aire.

"Los modelos no tienen en cuenta todos los factores que impactan la realidad. Cuando hay mucho en juego, uno puede errar con precaución", concluye Srinivasan.