Una ‘startup’ canadiense predijo, antes de la alerta mundial de la OMS, la expansión global que tendría el ya temido COVID-19 y también varias zonas a evitar

 

 

 

Se puede prevenir una enfermedad antes de que se diagnostique? «Con las predicciones de pandemias el problema es que normalmente no se pueden realizar estimaciones fiables del número básico de reproducción de la epidemia hasta que la enfermedad ha penetrado en la sociedad y ha habido suficiente tiempo para examinar las estadísticas», señala Antonio Romero Sebastiá, director del Máster Universitario en Comunicación Social de la Investigación Científica de la Universidad Internacional de Valencia.

 

Los relojes y pulseras inteligentes son los nuevos aliados de los departamentos de investigación, pero Twitter y Google ya eran unos habituales en la búsqueda y prevención de nuevas enfermedades. Los ‘wearables’ vigilan los sietes días de la semana y las 24 horas de cada jornada. «Llevan el parche que está equipado con varios sensores durante una semana. Y, aunque discreto, nos proporciona información continua sobre el ritmo cardíaco, la respiración, la actividad física y mucho más», detalla el doctor Frank Kramer, que trabaja con biomarcadores en el grupo de Medicina Cardiovascular Experimental del grupo Bayer.
 

La farmacéutica, en un estudio, ha monitorizado con ese parche de alta tecnología varios marcadores para realizar un seguimiento de la salud de los pacientes

. A este análisis se han sumado matemáticos, ingenieros e informáticos, que ya trabajan con los expertos en epidemiología.
 

La epidemiología es la ciencia que estudia la expansión de una enfermedad y lleva décadas usando datos para sus predicciones. «El ‘Big Data’ aporta factores que están resultando muy importantes para mejorar la calidad de los modelos predictivos», explica Pedro Antonio de Alarcón, uno de los responsables de LUCA, la unidad de datos de Telefónica.

 

«El desafío de estos métodos está en distinguir entre la actividad relacionada con la propia enfermedad de un individuo y aquellas relacionadas con los medios de comunicación, o la mayor conciencia e interés sobre el virus durante la temporada de gripe», destaca Jennifer Radin, investigadora del Scripps Research Translational Institute, en una entrevista con la CNN. Ha escrito un estudio sobre aprovechar los datos de dispositivos portátiles para mejorar la vigilancia en tiempo real de enfermedades similares a la gripe en EE UU.

 

«Los epidemiólogos se ven obligados a realizar extrapolaciones partiendo de un número reducido de los primeros puntos de datos obtenidos. Normalmente no es posible disponer de estimaciones fiables hasta que la enfermedad ha empezado su curso y se cuenta con datos bastante fiables», apunta a Romero Sebastiá. Argumento que también valida De Alarcón: «el problema de predicción sigue siendo muy complejo por la cantidad de variables que inciden; el ‘Big Data y la inteligencia artificial (IA) han mejorado la precisión en las predicciones, pero no lo han resuelto. Además, que cada epidemia sea diferente a la anterior obliga a rehacer gran parte del trabajo en cada nuevo brote», añade.

 

 
Hasta hace unos pocos años, los expertos usaban modelos que hacían estimaciones precalculadas a partir del volumen de población de ciudades, la distancia entre las mismas y otros parámetros económicos pero no las dinámicas reales de movilidad de la población. «Nuestros teléfonos móviles son una fuente de información de tremendo valor en este sentido», añade el referido responsable de LUCA.

 

 
Estimaciones vs error

 
La inteligencia artificial sigue dando pasos de gigantes en el campo de la medicina, aunque las habilidades y la ética son dos caballos de batalla aún por librar. «Como todos los modelos de este tipo, las estimaciones vienen acompañadas de un error, el cual se intenta minimizar a partir de la mejora de la diversidad y calidad de los datos y el volumen de las muestras», añade De Alarcón.

 
Bluedot, una ‘startup’ canadiense, alertó a sus clientes el 31 de diciembre de la expansión del COVID-19, el coronavirus chino. Este algoritmo rastrea informes de noticias en idiomas extranjeros, redes de enfermedades de animales y plantas, y proclamaciones oficiales. Así pudo avisar con anticipación para evitar zonas de peligro como Wuhan.

 

El 9 de enero, la Organización Mundial de la Salud (OMS) notificó a la población el brote de coronavirus; los Centros para el Control y la Prevención de Enfermedades de Estados Unidos se adelantaron al día 6.

 
La herramienta canadiense «usa análisis de ‘Big Data’ para rastrear y anticipar la propagación de las enfermedades infecciosas más peligrosas del mundo». No obstante, según su CEO, Kamran Khan a Wired, «el algoritmo no utiliza publicaciones en redes sociales porque esos datos son demasiado desordenados».

 

BlueDot pronosticó que el virus saltaría de Wuhan a Bangkok, Seúl, Taipei y Tokio en los días posteriores a su aparición inicial. Para realizar el diagnóstico, un equipo de 40 empleados han diseñado el programa analítico de vigilancia de enfermedades, que utiliza técnicas de procesamiento de lenguaje natural y aprendizaje automático para examinar informes de noticias en 65 idiomas, junto con datos de aerolíneas y reportes de brotes de enfermedades animales.

 

«Uno de los aspectos claves que determinan la expansión de una enfermedad transmisible es la movilidad de las personas. Entender las ubicaciones que van a recoger más movimientos es clave para predecir donde será el próximo foco de la enfermedad», advierte De Alarcón.

 

En 2016, la Organización Mundial de la Salud declaró emergencia internacional por la expansión del virus Zika. Ese año la ‘app’ Mosquito Alert fue una de las más descargadas en la Play Store de Google. Capta más de 5.700 imágenes de mosquitos y la mitad son de la especie tigre, posible transmisor del Zika. También cuenta con una versión web, que recoge en un mapa los puntos donde los ciudadanos han avistado los insectos.

 

Telefónica, a través de LUCA, también ha investigado la propagación de este virus.«El objetivo último será unir todas estas diferentes fuentes de datos para obtener la imagen más precisa y puntual de la salud pública. Las predicciones basadas en datos pueden acertar, pero también pueden fallar», sentencia Antonio Romero Sebastiá, investigador de la Universidad Internacional de Valencia.

 

 

 

 

 

Fuente: hoy.es