Los tableros de control online que rastrean el número de casos del coronavirus COVID-19 se están multiplicando en el mundo, a medida que los responsables de la salud luchan por contener el virus, pero un aspecto que puede que se esté sub-utilizando es la capacidad de usar la inteligencia artificial para predecir qué regiones pueden ser las siguientes en tener un brote.
El software de inteligencia de ubicación y la tecnología GIS están impulsando muchos de los tableros que las organizaciones de todo el mundo, incluida la Organización Mundial de la Salud, están implementando para controlar la enfermedad.
El Centro de Ciencia e Ingeniería de Sistemas de la Universidad Johns Hopkins (JHU) fue el primero en ponerse de pie y actualizar regularmente un tablero en línea que muestra estadísticas sobre el número de casos confirmados, muertes y recuperaciones. Lanzado el 22 de enero, el tablero muestra un mapa en el que se aprecia de un vistazo los lugares con altas tasas de infección, así como las áreas que aún no han sido tocadas. Desde entonces, han surgido tableros en chino, español, lituano y otros idiomas.
Pero hay más que se puede hacer, según Este Geraghty, Directora Médica de Esri Inc.
«Cuando se realiza un análisis estadístico que considera la geografía, es un poco diferente de los tipos de análisis tradicionales … Es más probable que las cosas que están más juntas sucedan de manera similar, a diferencia de las que están más separadas», dijo Geraghty. «Pueden tomar esa idea, nosotros la llamamos autocorrelación espacial, y usarla para hacer predicciones y ver patrones y tendencias geográficamente en el espacio y el tiempo». Esos datos abren la posibilidad de aplicaciones de análisis predictivo, aprendizaje automático e inteligencia artificial.
Esri pone a disposición muchos conjuntos de datos de forma gratuita en su repositorio Living Atlas de datos geográficos, incluidos los datos aportados por usuarios como los Centros para el Control y la Prevención de Enfermedades, que comparten su Índice de Vulnerabilidad Social, y la Fundación Robert Wood Johnson, que tiene clasificaciones de la salud comunitaria por condado. Ahora, la JHU está compartiendo los datos que está recopilando de fuentes como el gobierno chino y las fuentes de datos de las redes sociales. Además, la compañía aporta sus propios datos seleccionados, en particular, datos demográficos que pueden ayudar a los funcionarios de salud a determinar las poblaciones de las áreas e identificar grupos que pueden ser más susceptibles a un virus.
Hay «muchas, muchas herramientas que puedes usar para hacer análisis», dijo Geraghty. «Podrías comenzar con algo como un análisis de puntos calientes para ver dónde están empeorando las cosas.»
Los mapas en el tablero de la JHU no incorporan análisis espaciales, pero si lo hicieran, los funcionarios podrían detectar otros patrones que muestren la dirección de propagación del coronavirus y luego correlacionarlos con otros conjuntos de datos, tales como viajes en aerolíneas, transporte público o ciudades con mayor densidad, donde la transmisión de persona a persona puede ser más probable. Todos esos factores podrían incluirse en un modelo predictivo junto con datos sobre la humedad y la temperatura «porque a los virus les gustan las temperaturas más frías, por lo que no se ve tanto en las latitudes del sur», dijo Geraghty.
Una plataforma de inteligencia artificial (IA) fue una de las primeras en emitir un disparo de advertencia sobre el coronavirus. La firma canadiense BlueDot, que utiliza algoritmos basados en IA para identificar brotes de enfermedades y pronosticar su propagación, advirtió a los clientes el 31 de diciembre de 2019 que eviten Wuhan, China, donde se originó el coronavirus. Eso fue aproximadamente 10 días antes de que la OMS emitiera su aviso.
Un artículo publicado el año pasado en el International Journal of Health Geographics promociona GeoIA (la combinación de IA y GIS) e inteligencia de salud, que define como «la aplicación específica de IA, métodos y herramientas de ciencia de datos, para proporcionar información precisa, eficiente y productiva en salud y medicina».
El artículo cita varias aplicaciones, como el uso de redes neuronales de aprendizaje profundo para rastrear el pronóstico de la gripe en tiempo real a escalas espaciales regionales y citadinas en los Estados Unidos, en función de grandes datos espaciales de Google Flu Trends e información climática del Centro Nacional de Datos Climáticos. Otro estudio desarrolló un modelo de aprendizaje automático para detectar enfermedades transmitidas por alimentos, utilizando datos anónimos y agregados de búsqueda y ubicación de Google para estimar la cantidad de personas que visitaron un restaurante en particular, y posteriormente buscaron términos relacionados con la intoxicación alimentaria, con la idea de orientar mejor las inspecciones de alimentos en restaurantes.
«El valor de la geografía en el monitoreo y la gestión de crisis de salud de muchos tipos va mucho más allá de un mapa», dijo Geraghty. «La inteligencia de ubicación ayuda a explicar no solo lo que está sucediendo, sino también tomar medidas de manera más significativa y dirigida, basada en la evidencia», concluyó.
Stephanie Kanowitz
GCN
comentarios
0