¿Qué hubiera pasado en Chile si hubiese llegado una enfermedad como el ébola, el temido mal que asolóÁfrica hasta este año? ¿Qué ciudad se hubiera infectado primero? ¿Cómo hubieran reaccionado las autoridades?

Aunque esa es una realidad que no nos tocó vivir, sí ocurrió en el software computacional creado por Tomás Pérez-Acle, director del laboratorio de Biología Computacional de la Fundación Ciencia & Vida e investigador del Centro Interdisciplinario de Neurociencia de Valparaíso. La razón para crear un Chile asolado por una enfermedad infecciosa era simple: prever cómo nos comportaríamos.

¿Cómo simulamos algo que no ha pasado? Con datos. Miles de datos. En este caso, los que se usaron para moldear este futuro distópico vinieron de los ministerios de Salud, Transporte y otras organizaciones internacionales de salud. “Además, nosotros integramos los datos del último brote de ébola en África, es decir, el número de infectados, de muertos, de personas que se recuperaron y el número de cadáveres que no fueron apropiadamente tratados para no propagar la enfermedad”, dice Pérez-Acle.

Con esto, se construyó el modelo matemático de la enfermedad. En otras palabras, un software bien parecido a un videojuego apocalíptico.

Para efectos de la simulación, sólo se consideraron las cuatro ciudades más pobladas de Chile: La Serena, Viña del Mar-Valparaíso, Santiago y Concepción.

“Pusimos un infectado en Santiago en el día cero. Corrimos la simulación y no pasó nada. Luego dos infectados y de nuevo no pasó nada”, dice Pérez-Acle. En el software no pasaba nada, pero en la vida real de los cinco investigadores a cargo, bastante.

Cada vez que el software corría una simulación había que esperar tres días para ver los resultados. Finalmente, llegaron a un número mágico: el diez.

“Diez personas tienen que infectarse simultáneamente para que la enfermedad se disperse”, dice Pérez-Acle. El número en sí es bastante bajo, pero rompe con la extendida creencia del “paciente cero”, típica de película hollywoodense. “Con un solo paciente la probabilidad de que esa enfermedad se disperse es tan baja que habitualmente no ocurre, a menos que ese paciente se dedique a infectar y vaya al estadio y le estornude a todo el mundo”, comenta el científico.

Aunque el primer paciente se infecte en la capital, no sería inmediatamente la ciudad en tener más casos. “Descubrimos en nuestra simulación que si bien la infección comienza en Santiago, Valparaíso se infecta muchísimo más rápido, porque la cantidad de habitantes de Valparaíso en términos de la densidad es mucho mayor que la de Santiago”.

Tanto en la simulación como en la realidad, Valparaíso es la ciudad con mayores sistemas de conectividad: terminales de buses y el puerto. Cada día de la ciudad porteña salen a Santiago más de 45 buses. Todos a máxima capacidad. “Las ciudades que están más conectadas son las que primero van a caer y las que están en los extremos, las últimas”, dice. En este modelo, la última en caer sería Concepción.

Extendida la enfermedad ficticia, el gobierno central ficticio entra en acción. Lo impactante es que, según lo que las autoridades digitales decidan comunicarle a la población, la cantidad de enfermos varía sustancialmente.

Hay tres escenarios posibles: El primero, al entregar un mensaje incorrecto como “no hay epidemia”, la cantidad de infectados se dispara.

El segundo, cuando hay mensajes contrapuestos, sube aún más. “Cuando le das un mensaje contradictorio a las personas es peor que cuando no le das el mensaje apropiado: un gobierno que sale diciendo no hay enfermedad, te acelera rápidamente la cantidad de infectados pero cuando tienes un gobierno que dice no hay enfermedad pero tienes otra fuente igualmente confiable que te dice si hay enfermedad”, la tasa se acelera aún más”, comenta Pérez-Acle.

En el tercer escenario, cuando le das a la gente la información correcta, la enfermedad podría reducirse hasta su erradicación. Esto, dado que los infectados o mueren o bien dejan de infectar porque son conscientes de su peligro.

Eso sí, hay una trampa: “Esto es siempre y cuando las personas a las que les entreguemos el mensaje tengan más del 50% de probabilidad de tomar ese mensaje y creerlo, lo cual es súper difícil”, cuenta el investigador.

Cecilia Monge, consultora senior de Feedback Comunicaciones, concuerda. “En una era donde la posverdad (lo que la gente quiere creer) es una amenaza, un sistema que sea capaz de modelar datos de manera integrada y veraz es una tremenda herramienta para un gobierno central o cualquier organismo internacional validado. Eso sí, la información tiene que ser unívoca y tiene que tener el respeto y la validación de la ciudadanía”, comenta Monge.

Lee este artículo en LUN