Modelado y optimización de problemas en sanidad vía computación de altas prestaciones

Laburpena

Esta tesis doctoral engloba dos problemas en el ámbito de la sanidad: el procesado de alimentos por altas presiones y la propagación de enfermedades. En cuanto al procesado de alimentos, se propone una herramienta de decisión que permite obtener un conjunto de configuraciones óptimas para el tratamiento en términos de presión y temperatura, de modo que puedan ser utilizadas para satisfacer distintos escenarios de calidad. Respecto a la propagación de enfermedades, se aborda el problema inverso consistente en averiguar los parámetros de un determinado modelo epidemiológico para que sus resultados se ajusten a la realidad, consiguiéndose predicciones precisas sobre la propagación de la enfermedad en un conjunto amplio de países. El marco común es la utilización de técnicas avanzadas de optimización multi-objetivo y de computación de altas prestaciones para la resolución de dichos problemas. Uno de los puntos fuertes de la optimización multi-objetivo es que proporciona un conjunto de soluciones óptimas, las cuales ofrecen diferentes compromisos entre los objetivos. La idea principal es explotar toda esta información que puede ser muy útil para los tomadores de decisiones. Sin embargo, como puede ser una gran cantidad de datos, difíciles de obtener, debido al alto coste computacional, y de gestionar para la toma de decisiones, la búsqueda de esas soluciones óptimas se ha centrado en una región de interés. Esta región de interés se define por las preferencias de quienes toman las decisiones para evitar puntos que no son útiles desde su punto de vista práctico. Para ello, hemos empleado algoritmos de optimización multi-objetivo basados en preferencias como núcleo principal de las herramientas de decisión que se proponen. En concreto, la primera herramienta de decisión se ha desarrollado para ayudar a los ingenieros de alimentos en el diseño de tratamientos de procesado de alimentos por altas presiones y temperatura. En este caso, el enfoque multi-objetivo basado en preferencias se ha comparado con la formulación mono-objetivo para diferentes escenarios de calidad de los alimentos. Si bien la metodología multi-objetivo propuesta puede aplicarse utilizando cualquier algoritmo basado en preferencias, hemos demostrado que el algoritmo conocido como WASF-GA se comporta mejor que otros algoritmos del estado del arte para los problemas considerados. Según nuestros experimentos, WASF-GA es capaz de (i) resolver más escenarios de calidad de los alimentos con un número reducido de evaluaciones de las funciones objetivo, (ii) evitar soluciones fuera de interés y (iii) lograr un conjunto de soluciones más preciso y mejor distribuido. En los problemas a los que nos enfrentamos, la evaluación de las funciones objetivo tiene un alto coste computacional, por tanto, nos hemos centrado en mejorar la eficiencia y la efectividad de la herramienta de decisión a través del algoritmo de optimización. En éste, el número de evaluaciones depende de la cantidad de individuos y de iteraciones. Luego, para mejorar la eficiencia, se ha diseñado una versión paralela de WASF-GA. Este algoritmo paralelo ha reducido considerablemente el tiempo total de ejecución. Su ejecución en un multiprocesador nos permite resolver instancias con un número mayor de individuos, lo cual implica un incremento en el número de soluciones proporcionadas al tomador de decisiones. Además, nos permite considerar más iteraciones en el proceso de optimización que nos llevan a soluciones mejor distribuidas y más precisas. Por otra parte, para mejorar la efectividad, se han implementado distintas variantes de WASF-GA con métodos alternativos de reproducción y clasificación. Entre ellas, la versión novedosa que incorpora la generación de una población avanzada y la lista externa de individuos no dominados proporciona mejoras significativas en la convergencia y la calidad global de las soluciones. La segunda herramienta de decisión ha sido diseñada para apoyar a los epidemiólogos en la calibración de modelos epidemiológicos para predecir la propagación de enfermedades. En primer lugar, se ha validado un enfoque mono-objetivo destinado a estimar los parámetros en modelos simples, como el modelo SIRS. En segundo lugar, con el fin de hacer frente a modelos epidemiológicos complejos, se ha propuesto una nueva metodología multi-objetivo. Ésta se ha validado para el modelo denominado Be-CoDiS, que describe la propagación de la enfermedad tanto dentro de los países como entre ellos. Los resultados obtenidos para el brote de Ébola de 2014-2016, han demostrado que, incluso teniendo en cuenta un amplio conjunto de países, la metodología multi-objetivo es capaz de encontrar un conjunto de valores para los parámetros epidemiológicos, de modo que las predicciones se ajusten a los datos reales, tanto en la magnitud de la epidemia como en el momento crítico en que ésta despunta en cada país. Esto supone una gran mejora con respecto a las metodologías ya existentes, que calibraban algunos parámetros de Be-CoDiS mediante técnicas de regresión. Además, la herramienta propuesta para la estimación de parámetros proporciona al responsable de la toma de decisiones diferentes soluciones de compromiso centradas en sus preferencias en una sola ejecución. Luego, los epidemiólogos y las autoridades pueden extraer un solo punto de acuerdo con alguna estrategia de selección, pero también pueden analizar todas las soluciones para diseñar sus planes preventivos y de control atendiendo a todos los escenarios posibles.