•  I
• a · A  I
• Accessibilitat  I
• Mapa web  I
• Cercar  I
• Directori

• ::  Sign in :: 

INTEL·LIGÈNCIA ARTIFICIAL CONTRA LA COVID-19

Segons l’Organització Mundial de la Salut (OMS), l’èxit de la resposta de la salut pública a una nova infecció depèn de quatre factors crítics: la comprensió de la transmissibilitat i les poblacions de risc; l’establiment de la història natural de la infecció, inclosos el període d’incubació i la taxa de mortalitat; la identificació i caracterització de l’organisme causant; i l’elaboració de models epidemiològics per suggerir mesures eficaces de prevenció i control. La intel·ligència artificial (IA) pot proporcionar solucions a cadascun d’aquests factors i ajudar els treballadors sanitaris, així com els epidemiòlegs i viròlegs, en la prevenció, el diagnòstic i el tractament de malalties com la Covid-19. Aquestes solucions serien aplicables en tres estats: abans, durant i després de l’epidèmia.

Abans de manifestar-se l’epidèmia. La IA pot detectar alertes primerenques de brots de malalties epidèmiques. Al desembre del 2019, el sistema BlueDot va detectar que el coronavirus de Wuhan era un nou cep i de quina manera es propagaria pel món. BlueDot combina l’experiència mèdica i de salut pública amb una anàlisi de dades avançada i amb el raonament automàtic per construir solucions que anticipen els riscos de malalties infeccioses. L’any 2014, BlueDot va predir amb sis mesos d’antelació l’arribada del virus Zika.

Després de manifestar-se. La ciència de dades, els sistemes d’aprenentatge automàtic i aprenentatge profund poden ajudar a entendre el que ha succeït i obtenir models epidemiològics que permeten definir estratègies eficaces de prevenció i control que faciliten prendre les millors decisions. Per a fer-ho calen dades de fonts sanitàries, que possiblement són les més importants, però també d’altres com ara les dades de mobilitat dels telèfons, de consum d’energia dels habitatges, d’accés dels ciutadans als bancs, d’ús del transport públic, etc. Aquesta ha sigut una de les febleses del nostre sistema: les dades que haurien sigut útils perquè els investigadors d’IA aportaren el seu granet d’arena a aquesta lluita no han estat a la seua disposició. Això ens ha de fer reflexionar per a estar preparats davant situacions similars i desenvolupar un sistema públic de gestió de dades adequat.

Durant l’epidèmia. La IA pot ajudar en la prevenció, el diagnòstic i el tractament de la Covid-19. Alibaba ha desenvolupat un sistema que pot detectar el coronavirus en tomografies computades de pit amb una precisió del 96%. DeepMind ha compartit resultats de la seua IA que detallen l’estructura de sis proteïnes vinculades al SARS-CoV-2, el coronavirus que causa la Covid-19. Podríem continuar enumerant múltiples aplicacions de la IA. Però, al meu parer, en aquesta etapa hi ha dues solucions d’IA que podrien tenir un impacte particular.

L’una és fer servir mètodes d’optimització que permeten fer un ús eficient dels recursos humans i materials disponibles. Això permetria assignar malalts als hospitals més adequats, distribuir el material sanitari als hospitals més necessitats a cada moment…

La segona és emprar tècniques d’IA per a analitzar el moviment de persones en àrees geogràfiques a partir d’informació d’operadors de telefonia mòbil, però no de forma agregada. Suposem el cas d’una persona que acudeix a l’hospital i dona positiu; se li demanarà amb quines persones ha estat en contacte, i l’autoritat sanitària s’hi posarà en contacte per adoptar mesures de confinament d’aquestes persones o fer-los tests de diagnòstic. Però aquesta persona, els dies anteriors, ha viatjat en transport públic, ha anat a comprar, etc. i ha estat en contacte amb altres persones. Com podem identificar-les per advertir-los-en i que puguen seguir estratègies de confinament o fer-los tests, i així limitar la propagació del virus?

Al meu parer, el que tindria major impacte és un sistema d’IA capaç de predir el risc de contagi (a través del monitoratge dels moviments que proporciona la traçabilitat dels mòbils) d’aquelles persones que hagen estat en contacte amb una persona infectada. Per a detectar a les persones sota risc de contagi cal usar conjuntament dades de mobilitat obtingudes de les operadores de telefonia mòbil i altres dades obtingudes dels ciutadans, de manera col·laborativa, a través d’una app per a mòbils. Un sistema així és útil tant durant l’emergència com posteriorment, quan es detecten casos de contagi i es puga identificar ràpidament les persones sota risc; això disminuirà la propagació, adoptant estratègies de confinament o de realització de proves en persones classificades com a de risc alt. Aquest sistema i els seus resultats els haurà de fer servir exclusivament l’autoritat sanitària competent.

Actualment, disposem d’eines d’anàlisi de xarxes socials com ara U-Tool, que permetrien fer la predicció de risc de contagi. Un sistema d’aquest tipus, que disposa de forma anonimitzada de la informació dels desplaçaments d’un mòbil, desperta dubtes sobre l’incompliment de la Llei de protecció de dades a causa del control –per part de l’administració o d’empreses– que això pot suposar sobre els ciutadans. És evident que cal garantir la seua privacitat. Però hi ha dictàmens que confirmen que, en situacions com l’actual, això es pot implementar complint la llei i garantint la privacitat. Per tant, adoptar una solució pragmàtica que se centre en allò que siga necessari per a la salut pública és el que escau en un moment tan crític com el que vivim.

Vicent Botti és catedràtic del Departament de Sistemes Informàtics i Computació i director de l’Institut Valencià d’Investigació en Intel·ligència Artificial (VRAIN) de la UPV.