La digitalización in silico de escenarios de mundo real mediante gemelos digitales y simulaciones avanzadas permite comprender la dinámica interna de cualquier sistema bajo estudio y predecir su comportamiento a lo largo del tiempo. Gracias a estas herramientas es posible evaluar cómo evoluciona un sistema bajo condiciones naturales o cómo responde ante cualquier tipo de intervención inducida, superando las limitaciones de los modelos predictivos convencionales. Esto facilita la optimización de experimentos, el ahorro de recursos y la generación de conocimiento predictivo en múltiples ámbitos de las ciencias de la vida y más allá.
Para construir los simuladores que recrean el gemelo digital de un caso de estudio empleamos diversas tecnologías, con mención destacada a la tecnología de Membrane Computing, un paradigma de computación natural inspirado en la organización y funcionamiento de los sistemas biológicos. Este enfoque permite modelar procesos complejos mediante dinámicas con niveles anidados de complejidad (molecular, celular, tisular, individual, poblacional, etc.), en los que los fenómenos que ocurren en un nivel pueden repercutir en otros de mayor jerarquía.
Este tipo de aproximaciones hace posible explorar escenarios de naturaleza muy diversa para evaluar respuestas a intervenciones, optimizar sistemas complejos bajo entornos controlados y seguros y generar predicciones detalladas imposibles de alcanzar mediante métodos tradicionales.
Entre los sistemas que podemos modelar se incluyen: dinámicas de resistencia microbiana, enfermedades genéticas, respuestas metabólicas e inmunes frente a infecciones, fármacos o vacunas, ecosistemas naturales y sociales, procesos industriales, fenómenos meteorológicos extremos (DANAs, terremotos, incendios), pandemias y epidemias, escenarios de defensa estratégica y modelos de riesgo, entre muchos otros.
