El profesor Neil Ferguson, del Imperial College, de Londres, se bajó del grupo de Sabios que asesora al gobierno británico cuando se expusieron sus citas románticas que violaban el encierro.
Es una pena, quizás debería haber abandonado por un paso en falso más consecuente. Los detalles del modelo que su equipo construyó para predecir la epidemia están surgiendo y no son bonitos. En las palabras respectivas de cuatro experimentados creadores de modelos, el código está “profundamente plagado de errores”, es “una máquina bastante arbitraria”, tiene “enormes bloques de código – mala práctica” y es “posiblemente el peor código de producción que se haya visto jamás”.
Cuando los ministros hacen declaraciones sobre la política contra el coronavirus, invariablemente dicen que están “siguiendo la ciencia”. Pero la ciencia de vanguardia es desordenada y poco clara, un concurso de ideas arbitradas por hechos, un proceso de conjetura y refutación. Esto no es nuevo. Hace casi dos siglos, Thomas Huxley dijo que la “gran tragedia de la ciencia” era “el asesinato de una hipótesis hermosa por un hecho feo”.
En este caso, la frase “la ciencia” significa solamente el modelo del Imperial College, que pronosticó potencialmente cientos de miles de muertes (550.000 poara Gran Bretaña). A partir de este estudio, el Gobierno impuso la cuarentena en marzo. Esta decisión tiene gran impacto en la vida de millones. Sin embargo, el comité de expertos se reúne en privado, no publica actas, y hasta que fue presionado ni siquiera dio a conocer los nombres de sus miembros. Estábamos tomando decisiones basadas en la lo que salía de una caja negra, cerrada con llave.
Citar modelos matemáticos como si fueran “evidencia” se ha convertido en un lugar común entre los pronosticadores financieros, el Tesoro, los meteorólogos y los epidemiólogos “. Estos modelos sirven para contrastar teorías de sistemas complejos contra hechos. Si, en cambio, vamos a utilizar modelos para pronósticos y políticas, debemos ser capaces de verificar que sean precisos, particularmente cuando conducen decisiones de vida o muerte.
Este no ha sido el caso con el modelo del Imperial College.
Cuando inició la cuarentena, el modelo no había sido lanzado a la comunidad científica. Cuando Ferguson finalmente presentó su código, se trataba de un programa reorganizado diferente a la versión que se ejecutó el 16 de marzo.
Tampoco es que el historial de Ferguson sea bueno. En 2001, el modelado del equipo del Imperial College provocó el sacrificio de 6 millones de animales y fue criticado por expertos en epidemiología por ser gravemente defectuoso. En varios años a principios de la década de 2000, Ferguson predijo hasta 136,000 muertes por enfermedad de las vacas locas, 200 millones por gripe aviar y 65,000 por gripe porcina. La cifra final de muertos en cada caso fue de cientos.
En el caso del COVID-19, cuando un equipo sueco aplicó el modelo modificado que el Imperial puso en el dominio público a la estrategia de Suecia, predijo 40,000 muertes para el 1 de mayo, 15 veces más alto que lo que realmente ocurrió.
Ahora sabemos que el software del modelo es un programa de 15,000 líneas de 13 años de antigüedad que simula hogares, oficinas, escuelas, personas y movimientos. Según un equipo de la Universidad de Edimburgo que ejecutó el modelo, las mismas entradas dan diferentes salidas, y el programa da diferentes resultados si se ejecuta en diferentes máquinas, e incluso si se ejecuta en la misma máquina usando diferentes números de procesamiento central.
Peor aún, el código no permite grandes variaciones entre grupos de personas con respecto a su susceptibilidad al virus y sus conexiones sociales. Es probable que una enfermera infectada en un hospital transmita el virus a muchas más personas que un niño asintomático. La introducción de dicha heterogeneidad muestra que el umbral para lograr la inmunidad de rebaño con un distanciamiento social modesto es mucho más bajo que el 50-60 por ciento implícito en el modelo de Ferguson. Un modelista experimentado nos dice que “mi propio modelo sugiere que entre un 10 y un 30 por ciento sería suficiente, dependiendo de los supuestos que uno haga”.
Los datos de Suecia apoyan esto. A pesar de las medidas moderadas de distanciamiento social, la epidemia dejó de crecer en el condado de Estocolmo a mediados de abril, y desde entonces se ha reducido significativamente, lo que implica que el umbral de inmunidad del rebaño se alcanzó en un momento en que alrededor del 20 por ciento de la población era inmune, según estimaciones de la autoridad de salud pública sueca.
La naturaleza opaca de las discusiones del comité de expertos, los dudosos métodos de programación del equipo del Imperial College, la falta de disponibilidad del código para probar y revisar en el punto de decisión y las suposiciones no probadas integradas en el modelo, nos dejan con una pregunta preocupante: ¿Estamos basando una de las decisiones políticas más importantes de los tiempos de paz en una adivinanza disfrazada de rigor matemático?
Fuente: Los Mercados
