Cómo se está utilizando la inteligencia artificial en la lucha contra el coronavirus de Wuhan

La inteligencia artificial se está utilizando en la lucha contra el coronavirus de Wuhan. La inteligencia artificial está siendo empleada por investigadores para rastrear la propagación de la enfermedad y para investigar posibles tratamientos para el virus.

El coronavirus de Wuhan se manifestó en China en diciembre, y en los dos meses desde entonces se ha extendido por China y a otras partes del mundo. Todavía no se sabe con certeza cuán contagioso es el virus y cuán rápido puede propagarse, aunque actualmente hay más de 40.000 casos confirmados dentro de China. Para obtener una mejor comprensión de cómo podría propagarse el virus y cuán rápido puede propagarse, los investigadores están utilizando algoritmos de aprendizaje automático centrados en datos extraídos de sitios de redes sociales y otras partes de la web.

En el transcurso de la última semana, la tasa de infección parece haber disminuido un poco, pero no está claro si la enfermedad está bajo control o si los nuevos casos están volviéndose más difíciles de detectar. Mientras que otros países de todo el mundo solo han visto unos pocos casos de coronavirus, en comparación con China, la comunidad sanitaria mundial sigue preocupada por la capacidad del virus para propagarse. Los investigadores están tratando de adelantarse a la propagación del virus utilizando aprendizaje automático y grandes cantidades de datos recopilados de Internet.

Según un informe de Wired, un equipo internacional de investigadores ha extraído datos de diversas partes de Internet, incluyendo publicaciones de médicos y grupos médicos, canales de salud pública, publicaciones en redes sociales y noticias, compilando una base de datos de texto que podría relacionarse con el coronavirus. Luego, los investigadores analizan los datos en busca de signos de que el virus podría estar propagándose fuera de las fronteras de China, utilizando técnicas de aprendizaje automático para encontrar patrones relevantes en los datos que podrían indicar cómo se está comportando el virus.

Los investigadores buscan publicaciones en redes sociales en busca de posibles síntomas de coronavirus, centrándose en regiones donde los médicos creen que pueden aparecer casos. Las publicaciones en redes sociales se procesan utilizando técnicas de procesamiento de lenguaje natural, que pueden distinguir entre publicaciones en las que una persona menciona sus propios síntomas y publicaciones en las que se mencionan palabras relacionadas con síntomas en otro contexto (como al discutir noticias sobre el coronavirus).

Según Alessandro Vespignani, como informó Wired, profesor de la Universidad Northeastern y experto en análisis de contagio, argumenta que incluso con técnicas de aprendizaje automático avanzadas, a menudo es difícil rastrear la propagación del virus porque las características del virus aún son desconocidas, y la mayoría de las publicaciones en redes sociales son de empresas de medios y actualmente sobre el brote en China. Sin embargo, Vespignani cree que si el virus alguna vez se estableciera en los Estados Unidos, sería más fácil de monitorear gracias a más publicaciones relacionadas con el virus.

A pesar del desafío de obtener información relevante sobre el comportamiento potencial del coronavirus, el modelo creado por los investigadores parece ser razonablemente efectivo para encontrar pistas dentro de un gran conjunto de publicaciones en redes sociales. El modelo utilizado por los investigadores pudo encontrar evidencia de un brote viral el 30 de diciembre, aunque tomó tiempo determinar lo grave que sería la situación. La información recopilada por la multitud podría mejorar aún más la eficacia de los modelos de seguimiento de enfermedades, ya que permite la recopilación más eficiente de datos relevantes sobre el virus. Por ejemplo, un análisis de datos recopilados por médicos chinos sugiere que las personas menores de 15 años son más resistentes al virus.

La inteligencia artificial también se puede combinar con datos recopilados de dispositivos móviles para construir modelos que puedan predecir potencialmente la dirección en la que se propaga el virus y la tasa de propagación. Por ejemplo, investigadores de la Universidad de Southampton utilizaron datos móviles para determinar la ruta que el virus podría haber tomado al salir de Wuhan en los días siguientes a su aparición. Otros investigadores analizaron datos recopilados por Tencent, un desarrollador de aplicaciones móviles chino, y encontraron que las restricciones impuestas por el gobierno chino podrían reducir la propagación del virus, ganando un tiempo valioso para desarrollar un plan de ataque.

Según un informe de Fortune, la startup Insilico Medicine ha utilizado inteligencia artificial para identificar moléculas que podrían potencialmente tratar el coronavirus. La inteligencia artificial de Insilico identificó miles de moléculas de fármacos potenciales en el transcurso de cuatro días. Insilico explicó que los 100 candidatos más prometedores se sintetizarán y toda su investigación sobre estructuras moleculares se publicará para que otros investigadores puedan aprovecharla. Los investigadores médicos y las empresas están acelerando el desarrollo y las pruebas de tratamientos, con la empresa biotecnológica estadounidense Gilead planeando iniciar las pruebas inmediatas de un nuevo fármaco antiviral en la región de Wuhan.

Después de que Insilico decidió comenzar a investigar tratamientos, se centró en una enzima llamada 3C-like protease. El coronavirus depende de esta enzima para reproducirse y propagarse. Según Insilico, decidió centrarse en esta enzima en particular porque es bastante similar a otras proteasas virales cuyas estructuras ya han sido documentadas, y porque la Universidad de Tecnología de Shanghai había desarrollado un modelo de la 3C-like protease del 2019-nCoV. En el transcurso de cuatro días, Insilico pudo generar cientos de miles de moléculas candidatas y elegir solo las cien o así que eran más probablemente útiles. Los resultados de la investigación se publicaron recientemente en el repositorio bioRxiv y en el sitio web de Insilico.