La rápida propagación del coronavirus (COVID-19) afecto a casi todos los países del mundo, convirtiéndose en una amenaza global. A medida que los países luchaban contra el pico de contagios, buscaban formas de volver a la normalidad y reducir los impactos económicos del cierre de empresas, universidades y comercios.
La falta de estudios y estrategias específicas para recintos cerrados ha llevado a gobiernos y autoridades a implementar un conjunto de medidas de control para proteger la salud pública. Estas medidas de control fueron asumidas sin conocer realmente sus efectos en el proceso se transmisión de la enfermedad.

Una forma interesante de estudiar la propagación el virus COVID-19 en un lugar cerrado es usando el enfoque de los modelos basados en agentes [1]. Este paradigma es un tipo de simulación computacional que utiliza agentes autónomos para imitar el comportamiento y las interacciones de entidades en fenómenos complejos. Cada agente en el modelo representa un individuo o entidad con sus propias características y reglas de comportamiento, permitiendo simular desde a detalle las dinámicas emergentes del sistema en su conjunto. Para simular el proceso de transmisión del COVID-19, este tipo de modelo puede incorporar agentes que representen personas, con reglas que definan cómo interactúan, se mueven y responden al virus. Mediante la asignación de estados de salud (susceptible, infectado, recuperado, etc.) y el establecimiento de probabilidades de transmisión basadas en el contacto entre agentes, se puede simular la propagación del virus a lo largo del tiempo y en diferentes escenarios. Esto permite a los investigadores y responsables de políticas públicas experimentar con diferentes estrategias de intervención (como el distanciamiento social, el uso de mascarillas, y la vacunación) para entender mejor sus potenciales impactos en la contención o mitigación de la pandemia.

Este modelo puede ser usado para evaluar los riesgos de transmisión de COVID-19 en lugares cerrados, como oficinas, aulas o restaurantes. Estos lugares presentan un alto riesgo de infección debido al contacto cercano entre las personas y el uso compartido de superficies. Este modelo nos permite simular cómo se propaga el virus, ayudándonos a entender mejor los riesgos asociados. Imagina que estás en una habitación con otras personas. Cada persona sigue reglas simples, como mantener la distancia, usar cubrebocas y lavarse las manos regularmente. Mediante el modelo basado en agentes, podemos ver cómo estas reglas individuales afectan la propagación del virus en el conjunto de personas.

El modelado basado en agentes [2] es un enfoque interesante para estudiar sistemas que son difíciles de explicar. En lugar de programar directamente los patrones de transmisión de la enfermedad, este enfoque permite que estos resultados emerjan de la interacción colectiva de los agentes. A medida que los agentes interactúan entre sí, se forman patrones de transmisión que no fueron específicamente programados. A diferencia de los modelos matemáticos tradicionales, que consideran a todas las personas iguales, el enfoque basado en agentes tiene en cuenta las características individuales. Algunas personas pueden tener más probabilidades de contagiarse debido a su edad o condiciones de salud, mientras que otras pueden tener comportamientos que aumentan o disminuyen el riesgo. El modelo basado en agentes nos muestra cómo estos factores individuales se combinan para crear un panorama más realista de la propagación del virus.

En el modelo cada persona es un agente virtual que toma decisiones basadas en reglas previamente definidas [3]. Estas reglas están diseñadas para representar condiciones de infección. Por ejemplo, un agente puede decidir mantener la distancia, usar mascarilla y evitar el contacto cercano con personas infectadas. Estas decisiones individuales influyen en la propagación del virus en el modelo. Además de las reglas, cada agente tiene un perfil individual que define sus características sociales y condiciones de salud. Estas características se utilizan durante las interacciones entre agentes. En pocas palabras, el perfil de cada agente afecta su comportamiento al interactuar con otros individuos.

El modelo basado en agentes consta de varios pasos [4]. En primer lugar, se inicializa un grupo de agentes. Imagina a estos agentes como personas en una simulación. Cada agente tiene una posición y un estado específico, que puede ser susceptible a la infección o ya estar infectado. Luego, se selecciona un agente al azar y se aplican reglas para cambiar su posición, estado o relación con otros agentes. Estas reglas se basan en condiciones impuestas por otros agentes o influencias locales. Por ejemplo, un agente puede cambiar su posición para evitar el contacto cercano con otros agentes infectados. El proceso de selección y aplicación de reglas se repite hasta que se alcanza un criterio de parada establecido. Esto nos permite simular la propagación del virus y comprender cómo se propaga en el recinto.
En el modelo, hay dos tipos de agentes: los del grupo A, que no están enfermos, y los del grupo B, que ya están infectados. El proceso de transmisión del COVID es tan complejo que, en lugar de caracterizarlo, se asume como un modelo probabilístico o de azar. De esta manera el hecho de que una persona no infectada (miembro del grupo A) este cerca de una infectada (miembro del grupo B) no implicaría que esta quedaría infectada. Sino que la infección dependerá de la probabilidad que tenga el agente no infectado de contraer la enfermedad. Esta puede ser pequeña para un estado de salud optimo, pero podría ser bajo para personas que producto de otra enfermedad posean un estado de salud muy susceptible a la enfermedad. En cada iteración de la simulación, las características de estos agentes pueden cambiar. Por ejemplo, la probabilidad de infección de un agente puede variar, lo que refleja su inmunidad, tasa de transmisión o susceptibilidad. Además, cada agente tiene una probabilidad de contacto o movilidad asignada. Esto nos permite simular diferentes tipos de contacto entre los agentes susceptibles e infectados. Estos valores de probabilidad nos ayudan a explorar cómo diferentes niveles de contacto pueden influir en la propagación del virus. En términos de comportamiento, los agentes del grupo A siguen una regla de contagio para determinar si están infectados o no. Mientras tanto, tanto los agentes del grupo A como los del grupo B están sujetos a una regla de contacto y movilidad.

Regla de Contagio en la propagación del COVID-19

¿Cómo se determina si una persona se infecta o no con el virus COVID-19 en el modelo? Existe una regla llamada «Regla de Contagio» que nos ayuda a entender cómo se toma esta decisión. La Regla de Contagio se aplica a cada agente o individuo en el modelo basado en agentes. La regla analiza si hay otro agente infectado dentro de un radio de contagio determinado, representado por la letra R. Veamos un ejemplo para entenderlo mejor. En la Figura 1, podemos ver diferentes agentes (personas) susceptibles (miembros del grupo A) y dos agentes infectados, marcados en rojo (miembros del grupo B). Cada agente tiene una ubicación específica en la simulación. De esta figura se desprende que los agentes o personas a_3 y a_5 mantienen una relación casi de contacto (menor que la distancia R) con b_1 y b_2, respectivamente. Los agentes a_3 y a_5 no están infectados, en tanto b_1 y b_2 sí lo están. Se asume que la probabilidad de infección de a_3 es muy pequeña (0.1), mientras que la de a_5 es muy alta (0.9). Esto podría significar que la persona a_5 presente una condición de salud que le permita ser más susceptible que a_3. Bajo estas condiciones, es más probable que el agente a_5 sea infectado mientras que el agente a_3 no adquiera la enfermedad.

Figura 1. Proceso de operación de Regla de Contagio.

El valor de R en la Regla de Contagio se utiliza para simular el nivel de contacto permisible bajo riesgo de contagio. Este valor nos ayuda a entender cómo la distancia entre las personas puede influir en la propagación del virus. Si el radio de contagio es pequeño, el contacto directo será necesario para la transmisión. Si el radio de contagio es grande, incluso el contacto a cierta distancia puede aumentar el riesgo de infección. La Regla de Contagio es una herramienta importante en el modelado basado en agentes para simular la propagación del COVID-19. Al comprender cómo funciona esta regla, podemos evaluar diferentes escenarios y desarrollar estrategias para prevenir la propagación del virus.

Regla de contacto y movilidad.

La Regla de contacto y movilidad nos ayuda a caracterizar como el movimiento y el contacto entre las personas dentro de un lugar cerrado pueden afectar el proceso de transmisión. Imagina que este lugar puede estar lleno de empleados, estudiantes o clientes. Cada persona en ese lugar es representada por un «agente» perteneciente a uno de los dos conjuntos: A y B. La regla utiliza una prueba probabilística para decidir si un agente, ya sea del conjunto A o B, se va a mover o si se quedará en la misma posición. El proceso de decidir si un agente se mueve o permanece en su posición actual, es producto del azar. Imaginemos que estás en un lugar cerrado con varios agentes del conjunto A y algunos agentes del conjunto B que ya están infectados. Aplicando la «Regla II», algunos agentes pueden decidir moverse y otros pueden permanecer en su lugar. Los que se mueven lo hacen de manera aleatoria, dentro de ciertos límites permitidos, emulando cómo las personas se desplazan en la vida real. La idea detrás de esta regla es simular de manera realista el movimiento y el contacto entre las personas en un lugar cerrado. Esto nos ayuda a entender cómo las personas se mueven y se relacionan entre sí, lo cual puede ser importante para comprender cómo se propaga una enfermedad, como el COVID-19.

Evaluación de medidas de protección para la reactivación económica

En esta sección, explicaremos cómo este modelo puede ser utilizado para comprender la importancia de seguir las medidas de prevención y reducir la transmisión del virus. Una parte fundamental en la prevención de la COVID-19 es adoptar buenas prácticas. Estas prácticas incluyen acciones simples como lavarse las manos con frecuencia, estornudar en el codo o en un pañuelo desechable, y usar cubrebocas. Al seguir estas reglas básicas, reducimos significativamente la probabilidad de infección.
Para evaluar el impacto de seguir estas medidas de prevención, se utiliza el modelo de agentes. En este modelo, se establece un escenario en el que un porcentaje de la población de agentes decide seguir las reglas y reduce sus probabilidades de infección mientras que otro no hace caso a estas normas. Dentro de este experimento, los agentes se dividen en dos clases: clase 1 y clase 2. Los individuos de la clase 1 son aquellos que siguen las reglas, por lo que su probabilidad de infección es baja (ellos se lavan las manos, usan cubrebocas, etc.), mientras que los agentes de la clase 2 no siguen estas observaciones, teniendo probabilidades altas de infección. Luego, se ejecuta el experimento y se analizan los resultados. La Figura 2 muestra los resultados de este experimento. Después de examinarla, se puede observar que cuando más del 60% de las personas siguen las reglas, se producen bajos niveles de transmisión de la enfermedad entre personas. Esto significa que, si la mayoría de las personas en una instalación cooperan y siguen las medidas de prevención, el riesgo de transmisión se reduce drásticamente.

Figura 2. Resultados del experimento para determinar las consecuencias de que un porcentaje de la población de agentes siga las reglas de prevención.

Al observar la interacción entre los agentes y sus comportamientos, podemos obtener información valiosa para tomar decisiones informadas. Este enfoque se ha convertido en una herramienta importante para las autoridades, ya que les ayuda a evaluar los riesgos y tomar medidas para proteger a la población. Al comprender mejor cómo se propaga el virus en diferentes situaciones, pueden implementar estrategias más efectivas para controlar su propagación. En resumen, el modelo de agentes nos permite evaluar diferentes escenarios y comprender cómo las medidas de prevención, como el lavado de manos y el uso de cubrebocas, pueden afectar la propagación de la COVID-19.

Referencias
[1] Cuevas, E. (2020). “An agent-based model to evaluate the COVID-19 transmission risks in facilities”, Computers in Biology and Medicine. Elsevier Ltd, 121(May), p. 103827. doi: 10.1016/j.compbiomed.2020.103827.
[2] Bonabeau, E., (2002). “Agent-based modeling: methods and techniques for simulating human systems”. Proc. Natl. Acad. Sci. 99, 7280–7287 (suppl 3).
[3] Macal1, C., North, M. “Tutorial on agent-based modelling and simulation”, Journal of Simulation,4, (2010), 151–162.
[4] Chalabi, Z., Lorenc, T., (2013). “Using agent-based models to inform evaluation of complex interventions: examples from the built environment”. Prev. Med. 57 (5), 434–435.