Unizar lidera un proyecto pionero para predecir con inteligencia artificial cómo reacciona la población ante una epidemia
La Universidad de Zaragoza lidera un proyecto pionero que utilizará inteligencia artificial para intentar anticipar cómo se comportaría la población ante una epidemia. La iniciativa estudiará factores como la confianza en las autoridades sanitarias, el cumplimiento de las recomendaciones, la desinformación o las desigualdades socioeconómicas y analizará cómo pueden influir en la propagación de una enfermedad.
La investigación ha sido seleccionada en la convocatoria de Investigación en Salud 2026 de la Fundación la Caixa, una de las convocatorias más competitivas de la investigación biomédica en España y Portugal.
El proyecto, titulado 'AI-Driven Behavioural Epidemic Models for Intervention Design (AIBEM)', recibirá 970.139 euros durante tres años y estará coordinado por el profesor Yamir Moreno, director del Instituto Universitario de Biocomputación y Física de Sistemas Complejos (BIFI) y miembro del Departamento de Física Teórica de la Universidad de Zaragoza. Completan el consorcio el equipo de investigación del catedrático de la Universitat Pompeu Fabra (UPF), Joan Benach, director del Grup de Recerca en Desigualtats en Salut-Employment Conditions Network (GREDS-EMCONET) y codirector del JHU-UPF Public Policy Center; y el equipo del catedrático Anxo Sánchez, investigador del Grupo Interdisciplinar de Sistemas Complejos (GISC) de la Universidad Carlos III de Madrid (UC3M).
AIBEM ha sido uno de los 32 proyectos seleccionados entre las 800 propuestas presentadas a la convocatoria de 2026, lo que supone una tasa de éxito del 4%. En total, la Fundación la Caixa destinará 25,7 millones de euros a los proyectos elegidos en esta edición.
La concesión supone además un hito para la investigación aragonesa. Desde su primera edición en 2018, la convocatoria de Investigación en Salud de la Fundación la Caixa ha financiado alrededor de 260 proyectos de investigación biomédica en España y Portugal. AIBEM es el primer proyecto aragonés liderado por la Universidad de Zaragoza como organización principal.
“Durante dos décadas, la ciencia nos ha permitido modelizar con precisión la dinámica de propagación de un patógeno a través de las redes de contacto. Sin embargo, el verdadero desafío siempre ha estado en la imprevisibilidad de nuestra propia naturaleza”, señala Yamir Moreno.
Modelos orientados a emular el comportamiento humano
La pandemia de COVID-19 evidenció que el cumplimiento de medidas como la vacunación, el uso de mascarillas o la reducción de la movilidad varió enormemente entre grupos sociales y a lo largo del tiempo.
AIBEM propone utilizar los llamados modelos basados en agentes generativos (GABM), en los que cada individuo simulado está impulsado por un gran modelo de lenguaje (LLM), la misma tecnología que sustenta plataformas de inteligencia artificial como ChatGPT o Gemini. Dichos agentes tendrán su propia identidad, objetivos, memoria y herramientas. En este contexto, interactuarán entre sí, tomarán decisiones, crearán expectativas y generarán normas sociales.
El proyecto se articula en tres grandes bloques de trabajo. La Universidad Carlos III de Madrid realizará experimentos de comportamiento con participantes socioeconómicamente diversos a través de la plataforma IBSEN. La Universidad de Zaragoza desarrollará los agentes generativos y los integrará en modelos epidemiológicos, aprovechando la infraestructura de supercomputación del BIFI (CESAR) y la experiencia del Grupo de Investigación de Redes y Sistemas Complejos (COSNET).
Por último, la Universitat Pompeu Fabra trasladará los resultados a herramientas de apoyo para las autoridades sanitarias, incluida una evaluación del impacto distributivo de cada intervención.
La equidad como resultado del modelo
Una de las señas de identidad de AIBEM es que la equidad no se añade al final del análisis, sino que se trata como un resultado primario del propio modelo. Las matrices de contacto por edad se ampliarán con dimensiones socioeconómicas —ocupación, renta, barrio— a partir de datos del censo español, encuestas de población activa y registros epidemiológicos estratificados, de modo que las diferencias en la carga de la enfermedad y en la capacidad de respuesta emerjan de las condiciones materiales de cada grupo.
El proyecto incorpora además un marco ético y de gobernanza alineado con el Regalmento Europeo de Inteligencia Artificial (EU Al Act), con auditorías de sesgo, supervisión humana y revisiones independientes de equidad.