Investigadores crearon una metodología para localizar puntos críticos y en riesgo de enfermedades emergentes tanto a escala global como local.

El trabajo fue realizado por Ángel Luis Robles Fernández de la Universidad Veracruzana en México, actual estudiante de doctorado en Arizona State University, como autor principal, acompañado de Diego Alarcón, del Departamento de Biología Integrativa de la Universidad del Sur de Florida y Andrés Lira-Noriega de la Red de Estudios Moleculares Avanzados, Instituto de Ecología AC de Xalapa, México.

Estudios previos han investigado cómo las variables ambientales, filogenéticas y geográficas determinan la infección por patógenos, particularmente para la zoonosis humana. Sin embargo, ninguno de esos estudios previos ha proporcionado una metodología que pueda aplicarse a una amplia gama de sistemas huésped-patógeno. 

Ahora, el nuevo estudio publicado en Proceedings of the National Academy of Sciences, proporciona un enfoque de aprendizaje automático que puede integrar diferentes variables explicativas y aplicarse a cualquier sistema de múltiples hospedadores y múltiples patógenos. 

Los investigadores utilizaron el aprendizaje automático para analizar cómo dichas variables influyen en la incidencia de patógenos para ensamblajes de patógenos multihuésped, incluido uno de transmisión directa (coronavirus y murciélagos) y dos sistemas transmitidos por vectores (virus del Nilo Occidental [WNV] y aves, y malaria y aves). 

Los resultados concuerdan con la ecología conocida de cada sistema analizado y brindan una herramienta que puede ayudar a descubrir posibles especies huésped y nuevos puntos críticos geográficos para un patógeno. Por lo tanto, puede ayudar a guiar las decisiones de muestreo en términos de especies hospedantes y ubicaciones geográficas. 

Esta herramienta se puede aplicar a diferentes escalas espaciales con pocos datos de incidencia.