El Covid-19, más conocido como coronavirus, sigue acaparando titulares, pero con una diferencia en cuanto a hace algunos días: ha empezado a afectar directamente en la vida de millones de españoles. Colegios y espacios públicos cerrados, eventos cancelados, compañías enteras teletrabajando y otras medidas que no tardarán en llegar.

Mientras, las autoridades sanitarias tratan de contener los contagios y hacer frente a una de sus mayores crisis. Sin embargo, otros sectores, como el tecnológico, también están siendo claves para frenar la expansión del virus.

¿Cómo? Tecnologías como la Inteligencia Artificial y el Big Data, a través de algoritmos predictivos, se han puesto en marcha para tratar de reducir (y predecir), en cierto modo, el crecimiento de esta pandemia.

Análisis predictivo para su detección temprana

¿Cómo se dio la voz de alarma de la epidemia en la región de Wuhan? Un epidemiólogo chino informó a las autoridades en la víspera de la pasada Nochevieja y el Comité de Salud Municipal de Wuhan emitió el primer «aviso urgente por tratamiento de neumonía de causa desconocida».

El 9 de enero de 2020, se declararía la alerta sanitaria global por la Organización Mundial de la Salud (OMS) y los centros para el control y la prevención de enfermedades de EE.UU.

Pero, ¿cómo fue posible la celeridad y transparencia por parte del científico? Aquí es donde la tecnología ayudó. En concreto, mediante un sistema automático de vigilancia de enfermedades infecciosas del que hizo uso.

Este sistema fue capaz de leer un artículo escrito en mandarín en el que 27 personas sufrían de neumonía y todas ellas estaban conectadas de alguna forma con el mercado húmedo de Wuhan. Aunque el virus aún no estaba identificado, el algoritmo sí alertó de dos frases clave: “neumonía” y “causa desconocida”.

El sistema, creado por BlueDot, una «startup» en Toronto nacida en 2014, utilizó un algoritmo impulsado por IA que, mediante el procesamiento de lenguaje natural y aprendizaje automático, advirtió a sus clientes finales del más que probable brote de coronavirus.

¿Y cómo funciona más en detalle el algoritmo? Este rastrea y analiza informes de noticias en 65 idiomas cada 15 minutos.

Cruza esos datos con más de 150 tipos diferentes de enfermedades, información climatológica obtenida de satélites, bases de datos de sistema de salud nacionales e incluso, con la presencia de mosquitos o animales que transmiten enfermedades a los humanos.

El objetivo del algoritmo es el de encontrar una “aguja en un pajar”, un posible indicio de brote. Una vez completado el filtrado, es el análisis humano el encargado de verificar las conclusiones desde un punto de vista científico.

Un equipo de expertos compuesto por físicos, veterinarios, epidemiólogos, científicos de datos y desarrollador de software entrenan al algoritmo para enseñarle si ese indicio es o no relevante.

Finalmente, los resultados son compartidos con los clientes de BlueDot: gobiernos, empresas privadas y de salud pública.

¿Pero cómo surgió la idea? El fundador y CEO de BlueDot, Kamran Khan, aseguró que “sabemos que no se puede confiar en que los gobiernos proporcionen la información en el momento oportuno” y que "podemos recoger noticias de posibles brotes, comentarios en foros o indicios de eventos fuera de normal en entradas de blogs".

Sin embargo, Khan aseguró que lo que no utiliza el algoritmo son las publicaciones en redes sociales porque esos datos son muy confusos.

Pero sí que se nutre de otra fuente no mencionada con anterioridad y esencial para el éxito de su producto: los datos globales de las aerolíneas que pueden ayudar a predecir hacia dónde y cuándo se dirigirán los residentes infectados.

Esto también ayudó a realizar un pronóstico acertado de hacía dónde saltaría el virus. En los días posteriores a su aparición, llegó a Bangkok, Seúl, Taipei y Tokio.

Un dashboard donde visualizar los casos de coronavirus

Por otro lado, el Centro de Sistemas Científicos y de Ingeniería (CSSE) de la Universidad Johns Hopkins ha desarrollado un dashboard digital e interactivo para visualizar y rastrear casos de coronavirus, informando en tiempo real a investigadores, autoridades de salud pública y al público en general.

El dashboard, que se compartió públicamente por primera vez el 22 de enero, ilustra la ubicación y el número de casos confirmados de COVID-19, muertes y recuperaciones alrededor del mundo, no solo en China.

Toda la información y los datos se obtienen de fuentes fiables como son:

Las redes sociales y los medios también hablan

Aunque hemos visto que las redes sociales no son la mejor fuente para generar algoritmos predictivos o recoger información del coronavirus para ser mostrada en un dashboard, sí que son un fiel reflejo de las preocupaciones y el impacto del virus a nivel mundial (unidas con las búsquedas de Google y los medios tradicionales de comunicación). Un estudio del BBVA, haciendo uso de Big Data, recoge todo este impacto.

Me centraré en cuatro puntos del estudio. Es interesante destacar una gráfica donde se aprecia cómo cambia el impacto general en los medios (azul oscuro), búsqueda en Google (azul claro) y RRSS (turquesa) y cómo incrementó sustancialmente cuando la OMS declaró la emergencia global sanitaria el pasado 31 de enero de 2020.

Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA

En el estudio también se mide, mediante una gráfica similar, el nivel de preocupación de los medios europeos, que se mantiene más o menos estable hasta que comienzan a confirmarse los primeros casos de brotes en Italia e Irán.

Ese momento se produce entre el 21 y el 23 de febrero, cuando se dispara la alarma a nivel europeo (azul oscuro), español (turquesa), italiano (azul claro) e iraní (marrón claro).

Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA

Mediante gráficas de nubes es posible concluir que más de un tercio de los temas tratados en las noticias son sobre la situación de emergencia para la salud y el miedo a una posible pandemia.

Además, en noticias y artículos digitales relacionados con el coronavirus y la economía hacen referencia sobre todo a China, EEUU, Japón, Hong Kong y Reino Unido.

Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA

En lo que a RRSS respecta, esas gráficas de nubes muestran que sus temas de conversación y hashtags más recurrentes son China, virus, salud o coronavirus.

Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA

Por último, también es posible medir el impacto que el coronavirus está teniendo en el mercado y en el economía. En concreto, los cruceros y las compañías aéreas, tecnológicas y de telecomunicación son las más afectadas.

Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA Monitoring coronavirus outbreak using Big Data, publicado el jueves, 27 de febrero de 2020, BBVA

¿Es útil la tecnología para luchar contra una pandemia como la del coronavirus?

Sí, rotundamente sí. La tecnología está al servicio del ser humano para nuestro propio bienestar. Como hemos visto en los apartados anteriores, el valor que nos aporta la IA es indudable, tanto para evitar una posible pandemia, como para analizar las repercusiones que tiene el coronavirus desde fuentes como medios o redes sociales.

Además, herramientas como el dashboard ayudan a la población mundial a ser conscientes del riesgo del COVID-19 y tomar decisiones como las de postponer un viaje de ocio.

Pero para que esto sea posible, necesitamos introducir un nuevo tema, que no es objeto de estudio aquí pero está directamente relacionado con el éxito de la IA: la privacidad.

Os lanzo una pregunta para terminar. ¿Estamos dispuestos a que nuestros datos de salud sean tratados como información?

Fuentes

Cuéntanos qué te parece.

Enviar.

Los comentarios serán moderados. Serán visibles si aportan un argumento constructivo. Si no estás de acuerdo con algún punto, por favor, muestra tus opiniones de manera educada.