Cómo la Inteligencia Artificial podrá ayudar a detener futuras epidemias

En este estudio, los investigadores desarrollaron una manera de mejorar las estrategias de testeo frente a brotes epidémicos con el machine learning

Cómo la Inteligencia Artificial podrá ayudar a detener futuras epidemias
Machine Learning es una rama de la inteligencia artificial que consiste en el aprendizaje automatizado o de las máquinas
Foto: Shutterstock

En un estudio reciente, los investigadores lograron usar el machine learning para predecir exitosamente qué individuos serían más útiles para testear, lo que representa un avance importante en el desarrollo de mejores estrategias frente a brotes epidémicos.

Para Laura Natalie, la autora líder de la investigación, este puede ser un primer avance hacia el surgimiento de un mejor control de la comunidad en torno a futuros brotes epidemiológicos, lo que reduciría la necesidad de cuarentenas a gran escala.

El machine learning y su aplicación en el estudio

El machine learning es un tipo de inteligencia artificial que puede describirse como un modelo matemático en que las computadoras son “entrenadas” para ver conexiones y realizar tareas con la ayuda de una gran cantidad de data.

En este estudio, los investigadores usaron machine learning para simular el brote de una pandemia. La información sobre los primeros casos confirmados fue usada para realizar cálculos sobre la infección en el resto de la población.

contagio
Simulando un brote de pandemia, se podría determinar los puntos de mayor riesgo y tomar medidas efectivas para evitar la propagación. Foto: Shutterstock

En el estudio, la data fue usada para determinar e identificar las redes de contacto de los infectados para especificar quién o quienes estuvieron en contacto con ellos, dónde y por cuánto tiempo, lo que permitía un control epidemiológico más efectivo.

En este estudio se pudo controlar rápidamente un brote a partir del machine learning, lo que representa una enorme diferencia respecto a lo que ocurre en la vida real, donde el testeo es aleatorio, lo que contribuye al fortalecimiento del brote y al contagio masivo.

Potencialidades de esta aplicación del machine learning

Laura Natalie reconoce que su estudio es una simulación y que hace falta el testeo con información real para desarrollar todavía más este método.

Ella reconoce también que, en condiciones reales, se puede agregar información como datos demográficos, edad y condiciones de salud. Esto ayudaría bastante al incremento de la efectividad del método.

Adicionalmente, agrega que este uso del machine learning también se puede aplicar para prevenir la reinfección de la población, especialmente en el caso de que la inmunidad colectiva frente a un virus sea solamente temporal.

Concluye que esta investigación es un primer paso hacia el desarrollo de esfuerzos más específicos por contener una enfermedad en la medida en que estrategia basada en machine learning se adapta automáticamente a los rasgos característicos de la misma.

Por ejemplo, en este estudio se pudo determinar con mayor facilidad si un cierto grupo corría mayor riesgo a estar infectado, o si una zona geográfica específica está en una zona de peligro o si no lo está.

Aún falta mucho tiempo para que esta aplicación de la inteligencia artificial sea lo suficientemente masiva, pero que sea posible en este momento arroja esperanza sobre un mejor control de los brotes epidemiológicos en el mediano y largo plazo.

También te puede interesar:

Si ya te vacunaste podrías viajar a Europa en el verano

¿Las personas vacunadas pueden visitar a otros no vacunados? Esto dicen los CDC