Foto: Rinke Dohmen en Unsplash
La movilidad humana juega un papel crucial en la propagación de enfermedades infecciosas, aunque la información para su monitoreo es limitada en su disponibilidad, cobertura, granularidad y puntualidad. Para abordar esta problemática, investigadores estadounidenses proponen el uso combinado de machine learning y los datos de rastreo de los smartphones para pronosticar la propagación de una epidemia. En un estudio publicado en la revista Nature Communications, los investigadores describen sus resultados con el uso de datos de cientos de millones de teléfonos inteligentes en Nueva York.
Mediante estos datos, los investigadores entrenaron a un sistema de machine learning para reconocer el movimiento de las personas en un mapa de la ciudad. Además añadieron modelos de transmisión de la influenza, basados en las visitas de pacientes a los hospitales y los informes de laboratorio de la temporada de influenza de 2016 a 2017. Posteriormente, los investigadores utilizaron su aplicación, llamada mapa de movilidad anónimo, para comparar los resultados con los registros de la temporada de influenza real. Sus resultados, encontraron, fueron tan precisos como dos de tres sistemas convencionales basados en encuestas de viajes y mejores que un tercer sistema.
Con este sistema, los investigadores también predijeron la temporada de influenza de Australia de 2016, con resultados precisos. Según el estudio, los sistemas basados en encuestas de viajes resultan costosos, mientras que usar datos de seguimiento telefónico resultaría más eficiente en cuanto a costos. Además, a diferencia de los sistemas de datos de viajeros, la información de los teléfonos inteligentes podría usarse para rastrear la propagación de un brote conforme cruza fronteras internacionales. No obstante, reconocen la existencia de lagunas en los datos, debido al bajo uso de smartphones en niños pequeños y adultos mayores. Algunos de los investigadores involucrados en el estudio pertenecen a instituciones como Google o los Centros para el Control y la Prevención de Enfermedades de Estados Unidos (CDC).
Estudios de este tipo son de especial importancia, ya que los pronósticos basados en datos, acerca de las dinámicas de una enfermedad infecciosa, son cruciales para la toma de decisiones sanitarias. Algunos investigadores exploran la combinación de métodos convencionales con otros no tradicionales, como lo sería usar los datos de búsquedas en internet para predecir picos en los contagios de Covid-19. Según un estudio publicado en Nature Digital Medicine, con el perfil de síntomas de Covid-19 y el análisis de búsquedas de Google, investigadores han ayudado predecir con mayor precisión los aumentos repentinos de casos de Covid-19 en Reino Unido y otros países.
Contar con la mayor cantidad de herramientas para modelar el comportamiento de las enfermedades será crucial en un futuro. En agosto de 2020, la Organización de las Naciones Unidas advirtió, en su panel de biodiversidad, que futuras pandemias ocurrirán con más frecuencia y causarán aún más daños, comparado con la Covid-19. Esto si no se da un cambio fundamental en la forma en la cual los humanos interactúan con la naturaleza, debido a la existencia de hasta 850 mil virus existentes en animales, con el potencial de infectar a las personas.
De la mano del cambio climático y la invasión de zonas naturales es muy probable la aparezcan nuevas pandemias en un futuro, Para esto, la humanidad deberá prepararse para monitorear las propagación de las epidemias, tarea para la que podrían apoyarse del machine learning y los smartphones, como sugiere este estudio. Sin embargo, la mejor prevención podría ser replantearse las formas depredadoras de interacción entre humanos y el medio ambiente.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
