Boletn Semanal

Boletn GripeNet: temporada 1, 4 entrega: Redes Complejas y Modelos

Epidemiolgicos.
El descubrimiento de las leyes que gobiernan la estructura y la dinmica de los sistemas
complejos es uno de los grandes desafos de la ciencia moderna. Durante los ltimos aos, las
investigaciones cientficas desarrolladas en este campo han corroborado la existencia de un
patrn comn de auto-organizacin que aparece de manera continua. En muchos de estos
sistemas (hablamos de sistemas biolgicos, sociales o informticos), las interacciones entre los
diferentes elementos que los forman (especies en redes trficas, genes y protenas en sistemas
biolgicos, u ordenadores en redes de comunicacin) dan lugar a redes que comparten un gran
nmero de caractersticas comunes y que se denominan Redes Complejas. El estudio de las
mismas ha experimentado un auge significativo que se ha visto reflejado en importantes
contribuciones y avances en numerosos campos cientficos. La teora de redes es particularmente
til para explorar diferentes aspectos de la complejidad, basndonos para ello en el principio
holstico que considera que el todo es ms que la suma de sus partes. La idea fundamental es
intentar descubrir la estructura de las interacciones entre los elementos del sistema y como sta
influye en el comportamiento global de los mismos.
Una de las caractersticas ms significativas de estas redes es la ubicuidad, es decir, estn
presentes en todo nuestro entorno, desde las redes sociales que surgen como resultado de la
interaccin entre individuos hasta las redes tecnolgicas, biolgicas, y neuronales. Todas estas
redes, tan diferentes en naturaleza y en tamao, comparten entre s importantes propiedades
estructurales que nos permiten formular modelos matemticos aplicables a contextos tan
dispares como la propagacin de virus informticos o de una epidemia como la gripe porcina
A(H1N1)/2009. La idea fundamental en el estudio de los sistemas complejos es que slo si
tenemos en cuenta los dos pilares bsicos de la complejidad que son la estructura y la dinmica
de los constituyentes del sistema, seremos capaces de analizar desde una perspectiva ms
renovada innumerables fenmenos Adems, debido a las conexiones dinmicas y adaptativas
que existen, las redes son, en s, entidades cuya topologa evoluciona y se adapta a lo largo del
tiempo, ya sea influenciada por factores externos, por la accin de los elementos internos del
sistema o siguiendo, simplemente, determinadas reglas evolutivas predeterminadas
Como decimos, muchos de los fenmenos que tienen lugar en la naturaleza pueden ser
modelados como una red. En una red biolgica de regulacin, por ejemplo, los nodos
representan las protenas que intervienen en los diversos procesos biolgicos de la clula y los
enlaces las reacciones bioqumicas que se establecen entre stas. Estos tipos de redes biolgicas
comparten muchas caractersticas estructurales (libertad de escala) y dinmicas (mdulos
funcionales) con otras aparentemente muy diferentes como Internet o los patrones de
interaccin en sistemas sociales. De esta forma, sistemas tan dismiles como las redes peer-topeer o los patrones de contagio de enfermedades pueden ser estudiados con una herramienta
terica y computacional nica.
De entre todas las disciplinas en las cuales las redes complejas han demostrado ser una
herramienta til, probablemente sea la epidemiologa una de las ciencias que antes, y de manera
ms ntida, se ha beneficiado de la teora de redes. Hasta el final de la dcada de los noventa, la
epidemiologa clsica no haba considerado la posibilidad de que la estructura de las redes de
interacciones humanas fuera relevante a la hora de describir el comportamiento de una
epidemia. Hasta entonces, los modelos consideraban que los individuos tenan el mismo nmero
de contactos con sus vecinos. Cuando se estudiaba la dinmica de propagacin de una
enfermedad infecciosa (es decir, cmo se propagaba el patgeno de persona a persona tras un
contacto), la anterior hiptesis conduca a la conclusin de que toda enfermedad presenta una
infectividad umbral que define la condicin para la aparicin de una epidemia en la poblacin.

Red de propagacin geogrfica de una enfermedad infecciosa con origen en el sudeste asitico.
Universidad de Indiana.
Si la infectividad del patgeno en cuestin era mayor que el umbral, la introduccin de
una pequea cantidad de individuos enfermos en una poblacin generara una epidemia. Si se
daba el caso contrario, los enfermos introducidos desde el exterior moriran -o sanaran- antes
de poder propagar la enfermedad. Por tanto, toda poblacin, a priori, era inmune a la
introduccin de patgenos dbiles -de baja infectividad- y slo los patgenos capaces de
transmitirse con facilidad se consideraban potencialmente peligrosos.
Este panorama, conocido y aceptado desde hace casi un siglo, sufri una autntica
revolucin gracias a la teora de redes. Cuando en los primeros aos de la pasada dcada se
empez a estudiar la estructura de las primeras redes de interacciones sociales, se observ con
sorpresa cmo stas estaban en las antpodas de lo que consideraban los modelos. Las redes de
contacto eran muy heterogneas, es decir, mientras que la mayora de los individuos tena muy
pocas conexiones, exista un nmero pequeo de ellos con una cantidad de contactos
desproporcionadamente alta. Cuando esta observacin se incorpor a los modelos
epidemiolgicos, se produjo un cambio conceptual radical: si las redes de interaccin eran lo
suficientemente grandes, la infectividad umbral se haca cada vez menor hasta prcticamente
anularse. Esto implica que cualquiera sea la infectividad del patgeno, la probabilidad de que
genere una epidemia es no nula. En consecuencia, patgenos dbiles -de baja infectividad- que
antes se crean incapaces de generar epidemias o asentarse en la poblacin, volvan a merecer
inters, tanto de la comunidad cientfica como de las autoridades sanitarias.
Desde hace ya varios aos, y a la luz de estos nuevos resultados, la comunidad cientfica
trabaja para mejorar cada vez ms los modelos epidemiolgicos y contribuir as al diseo
eficiente de medidas de control y de nuevas alternativas de inmunizacin y/o proteccin contra
enfermedades infecciosas como la gripe. Por ello, la colaboracin ciudadana es extremadamente
importante para obtener datos reales que son necesarios que validar los resultados de estos
modelos.