Alfonso Mata
Epidemiología e Inteligencia artificial
Los vacíos de información para prevención
La salud de las poblaciones en todo el mundo ha mejorado dramáticamente en los últimos años. Todos sus indicadores así lo señalan: morbi-mortalidad, esperanza de vida al nacer, pero en todos ellos existe entre países y dentro de los países grandes brechas. Sin embargo, queda una gran amenaza para la humanidad para la cual todavía no tenemos soluciones apropiadas: enfermedades infecciosas emergentes (EID).
En este campo no hemos sido muy buenos en anticipar, tal como lo han demostrado las pandemias de H5N1, H1N1, Ébola Zika y la actual de COVID-19. ¿Qué nos demuestra esto? Que necesitamos aprender de enfoques inteligentes para ayudar a comprender mejor las condiciones que promueven su aparición. Y hay dos cosas en esto que resultan interesantes, más del 90% de pandemias y epidemias tiene dos vías principales de trasmitirse: 1. virus aerotransportados y 2. arbovirus (transmitidos por artrópodos). Actualmente tenemos para el caso de los aerotransportados, cuando surge un nuevo patógeno respiratorio, las respuestas inmediatas incluyen una mayor vigilancia, ensayos de diagnóstico para identificar casos y cuarentenas de mitigación, como poner en cuarentena a personas enfermas y sanas. En el brote de SARS-CoV, estas medidas eliminaron el virus de la población humana, pero en la pandemia de influenza A (H1N1) las estrategias de mitigación tuvieron un éxito limitado y el virus circuló rápidamente por todo el mundo. Es poco probable que podamos erradicar esos virus para los cuales el reservorio humano y animal es enorme y el aire su medio de propagación. Por lo tanto, la vigilancia continua de casos locales e importados y los cambios putativos en la virulencia son esenciales.
El virus del dengue, el arbovirus más extendido en este momento, amenaza al 40% de la población mundial e infecta a 390 millones de personas al año. El zika hasta hace poco, estuvo causando una alta morbilidad a través de infecciones congénitas y trastornos neurológicos en las Américas. Los arbovirus emergentes tienen patrones ecológicos y evolutivos similares, que se originan en un origen selvático y se adaptan a los entornos urbanos cercanos antes de extenderse a los humanos en todo el mundo. La expansión de los vectores debe ser monitoreada de cerca para rastrear y finalmente prevenir esta aparición. Clínicamente, los arbovirus son difíciles de diagnosticar ya que se presentan como una enfermedad febril inespecífica, con muchas formas leves.
El aumento de EID se ha asociado al rápido cambio global. El cambio climático, el aumento y la variación en los patrones de migración humana, el crecimiento y el movimiento de la población, la urbanización y los cambios en el uso de la tierra se encuentran entre los factores más importantes del cambio global.
Lo que si queda claro en lo que estamos viviendo, es la pobreza de aplicación tecnológica de la ciencia pues ante las pandemias lo que hacemos es mitigar los impactos de los brotes; debemos adelantarnos a las epidemias, combinando métodos de vigilancia de enfermedades tradicionales e innovadores y aprovechando las nuevas tecnologías digitales, especialmente la inteligencia artificial (IA). Hoy en día, los sistemas de IA son cada vez más capaces de razonar de manera compleja en grandes bancos de datos médicos, así como en la complejidad de los comportamientos humanos y los entornos del mundo real.
En 2011, el sistema IBM Watson ganó el conocido programa de televisión Jeopardy que implica no solo un recuerdo enciclopédico, sino también la capacidad de razonar sobre declaraciones enrevesadas y a menudo opacas y su relación con el mundo real. Desde entonces, el sistema ha evolucionado continuamente y está ganando cada vez más aceptación como una herramienta de apoyo a la decisión en medicina. Está dentro de la capacidad de tales sistemas aprovechar su conocimiento médico y elaborar modelos mundiales para resolver problemas como vincular la ocurrencia de microcefalia por individuos infectados con Zika.
Si bien los modelos no son totalmente exactos, si deben ser vistos como aproximados. Por ejemplo, predijeron erróneamente un millón de casos de Ébola cuando en realidad ocurrieron menos de 30,000. La combinación de IA con modelos de simulación modernos, puede proporcionar a los responsables políticos una evaluación sistemática y basada en la evidencia de los efectos más probables de varias medidas. Dichas técnicas nos permiten considerar redes complejas de varias capas en las que cada capa representa una línea particular de conocimiento: capa de geografía central, factores epidemiológicos, factores biológicos y factores sociales y económicos, demográficos, ambientales. Es solo a través de un análisis complejo de múltiples capas, que los procesos entrelazados, como la propagación de enfermedades, pueden manejarse de manera sostenible en el complejo mundo de hoy.
Pero hay otro factor importante que debe verse en el control de las pandemias y es la soberanía de la salud. Devolver responsabilidad de su salud a la población es indispensable. La reciente explosión de las comunicaciones móviles y el panorama en expansión de las redes sociales, ha creado nuevas posibilidades sin precedentes para comunicarse con los ciudadanos e influir en las opiniones y comportamientos públicos y desarrollar mejores sistemas de información en contenidos y cantidades. Recientemente surgió un nuevo campo de investigación relacionado, llamado «Computación persuasiva» para estudiar tales estrategias.
Nuestra era también está marcada por el rápido desarrollo tecnológico, particularmente en los campos de la ciencia de datos y la informática. La combinación de la epidemiología moderna con (IA) es vital para comprender y mitigar completamente la influencia de una multitud de estos factores de cambio global en el riesgo de epidemias y pandemias de EID.
El razonamiento basado en la inteligencia artificial, la disponibilidad, acceso y uso de datos y el aprendizaje automático están avanzando rápidamente en el diagnóstico médico y el soporte de decisiones. Muchos de los actores involucrados en la seguridad de la salud están interesados en cómo aportar una forma cuantitativa de cuantificar los riesgos de epidemia y pandemia en los algoritmos de aprendizaje automático.
En resumen, se vuelve necesario transformar la forma en que se realizan la prevención y el control de las epidemias, ayudando a mitigar las devastadoras consecuencias de las pandemias. Con este objetivo, la aplicación de (IA) y las tecnologías de big data asociadas al desafío de la predicción de amenazas de epidemia y pandemia es actualmente un campo en auge que debe aprovecharse e investigarse al máximo.
