Primeras pistas del brote del virus de Wuhan fueron detectadas por IA

Una plataforma de monitoreo de salud y detección de enfermedades impulsada por IA pudo detectar los signos del brote viral de Wuhan aproximadamente una semana antes de que las agencias gubernamentales alertaran al público, lo que proporciona una visión de cómo la IA puede ser utilizada para detectar brotes de enfermedades de manera oportuna.

Mientras que la notificación oficial de la Organización Mundial de la Salud del virus de Wuhan se emitió el 9 de enero y el Centro para el Control y la Prevención de Enfermedades (CDC) de EE. UU. recibió la noticia del brote el 6 de enero, las primeras señales de advertencia del brote fueron detectadas por un sistema de monitoreo de salud canadiense casi una semana antes. Como informó Wired, el sistema de salud impulsado por IA BlueDot advirtió a sus clientes sobre el posible brote el 31 de diciembre. BlueDot utiliza algoritmos de IA para monitorear diferentes fuentes de noticias globales y detectar patrones en informes de salud. También tiene en cuenta la información sobre redes de enfermedades de plantas y animales. Utilizando la información que recopila, los epidemiólogos de BlueDot entregan advertencias y predicciones sobre posibles riesgos para la salud y brotes a sus suscriptores.

Al tratar con un brote de enfermedad, la detección temprana siempre es mejor. Cuanto antes se detecte, más tiempo tendrán los funcionarios de salud para responder. En el caso del virus de Wuhan y otros brotes de enfermedades en China, el gobierno chino a menudo ha sido lento en compartir información con los funcionarios de salud pública globales. Esto plantea un problema, ya que el CDC y la OMS confían en las comunicaciones de otras agencias gubernamentales para planificar sus propias respuestas. Sin embargo, si un sistema de IA como BlueDot puede hacer predicciones precisas basadas en la información que se filtra a través de numerosos informes de noticias, blogs y foros, esto podría potencialmente permitir que las organizaciones de salud actúen más rápido en respuesta a los brotes.

Según Kamran Khan, el fundador de BlueDot, la empresa no utiliza datos de redes sociales al predecir la propagación de enfermedades porque los datos son demasiado variables y desordenados para ser útiles. En cambio, se combinan informes de noticias, datos sobre redes de enfermedades animales conocidas y datos de emisión de boletos de avión para crear un modelo que predice dónde comienzan las infecciones y a dónde pueden viajar las personas infectadas a continuación. BlueDot pudo predecir con precisión que el virus de Wuhan se propagaría a Taipei, Tokio, Seúl y Bangkok dentro de unos días de su manifestación.

BlueDot fue lanzada por Khan en 2014, y la empresa cuenta actualmente con 40 empleados, incluidos científicos de datos, médicos y programadores que trabajan juntos para crear los modelos de vigilancia y predicción de enfermedades. Se utilizan algoritmos de aprendizaje automático y técnicas de procesamiento de lenguaje natural para extraer datos de informes de noticias de todo el mundo y que cubren 65 idiomas diferentes. Khan le dijo a Wired:

“Lo que hemos hecho es utilizar el procesamiento de lenguaje natural y el aprendizaje automático para entrenar este motor para que reconozca si se trata de un brote de ántrax en Mongolia versus una reunión de la banda de heavy metal Anthrax”.

Después de que se completa la recopilación y el análisis de datos automatizados, los analistas humanos verifican los datos y aseguran que las conclusiones del modelo parezcan sólidas. Finalmente, se genera un informe y se envía a los clientes de la aplicación.

El sistema de BlueDot está lejos de ser el primer intento del campo de la IA de predecir la propagación de enfermedades. Los científicos de datos han estado utilizando grandes datos y modelos de aprendizaje automático para rastrear la propagación de diversas enfermedades durante algún tiempo, con algunos intentos más exitosos que otros. Google intentó rastrear la propagación de enfermedades con Google Flu Trends, pero sus intentos de predecir la gravedad de la temporada de gripe de 2013 fueron reportados con un error de alrededor del 140%. Solo el tiempo dirá si BlueDot puede predecir consistentemente la propagación de enfermedades, pero si lo hace, podría allanar el camino para estimaciones más rápidas y precisas de brotes de enfermedades.