OpiniónAnalytics

¿Cómo puede ayudar la ciencia de datos en una situación de pandemia?

Marlon Cárdenas, Data Scientist en Sopra Steria

Marlon Cárdenas, Data Scientist en Sopra Steria.
Marlon Cárdenas, Data Scientist en Sopra Steria.

Con el objetivo de cubrir necesidades actuales y futuras de la sociedad, la ciencia de datos y la Inteligencia artificial (IA) buscan impulsar la creación de soluciones tecnológicas que beneficien a los usuarios en su día a día. Bajo esta premisa, son muchas las disciplinas que se unen a esta causa, ocupando las ciencias de la salud un lugar prominente, sobre todo dada la situación actual ante la pandemia provocada por la Covid-19. En este sentido, las herramientas informáticas que usan como base estas tecnologías, buscan atacar problemas que, de una manera tradicional, costaría más tiempo y esfuerzo resolver.

El reto del conocimiento

El aprendizaje de las máquinas es un proceso complejo que puede ayudarnos como sociedad, en un intento de brindar asistencia a problemas complejos de las personas. No obstante, ante este escenario ambicioso, surgen nuevos retos que deben ser cubiertos para dar cabida a dichas técnicas. Constantemente queremos aprender de la naturaleza, pero para hacerlo, es necesario disponer de mecanismos que faciliten la recolección de muchos datos. En un escenario similar, describir un virus y predecir el comportamiento de la sociedad en función de este, puede ser una tarea muy compleja que necesita escenarios de experimentación en los que sea posible aprender de esas nuevas experiencias.

El reto se torna complejo cuando ese aprendizaje debemos hacerlo sobre la marcha, observando día a día cómo situaciones desafortunadas atañen a la sociedad al tiempo que científicos en distintos campos luchan por obtener ese conocimiento que a priori nadie tiene. Ante esto, la inteligencia artificial se posiciona como un factor clave para agilizar los procesos de aprendizaje. Las distintas técnicas que subyacen a esta tecnología compiten por ver de qué forma son aplicadas para describir mejor la situación actual, predecir lo que podría ocurrir mañana y finalmente, ayudarnos como sociedad a determinar cuál es la mejor forma de proceder y actuar.

Herramientas y usos actuales

En este sentido, las tecnologías digitales y, concretamente, los datos y la inteligencia artificial están facilitando el surgimiento de funcionalidades que, aplicadas al ámbito médico, aportan un alto valor a la medicina. Algunas de ellas, ya están siendo aplicadas para ayudar en la lucha contra el Covid-19.

Los datos y la inteligencia artificial están facilitando el surgimiento de funcionalidades que, aplicadas al ámbito médico, aportan un alto valor a la medicina

El ejemplo que más rápidamente nos viene a la mente son las aplicaciones que se han desarrollado en distintos países para monitorizar la expansión del virus. Estas generan un identificador en el teléfono y, mediante geolocalización, registran los identificadores de otros usuarios con los que ha estado en contacto. De este modo, si alguien da positivo en Covid-19 esto queda registrado en la aplicación y el sistema revisa el historial de datos de contactos realizados en los días anteriores para evitar la propagación del contagio.

En resumen, la aplicación indica que se ha estado en contacto con cierto número de personas durante cierto número de días y permite obtener estadísticas agregadas y datos globales para ayudar a la toma de decisiones. Para garantizar la privacidad y el cumplimiento de la protección de datos, la información se anonimiza y no se transmite en tiempo real.

Además, estas tecnologías pueden usarse para realizar predicciones sobre el contagio e incluso para ayudar en la detección de nuevos casos. Ya existen algunos ejemplos de este tipo de usos. Las técnicas analíticas en el diagnóstico de enfermedades, suponen establecer la probabilidad de que se dé una determinada enfermedad sujeta a una serie de síntomas y de características en el paciente. Esto implica generar la capacidad de medir dichos síntomas y características, así como analizarlos conjuntamente, mejorando y aumentando la velocidad en el diagnóstico a medida que aumentan los datos.

Para llevar a cabo dicho diagnóstico, se usan modelos predictivos que parten de conjuntos de datos que deben ser procesados previamente, aplicando para ello técnicas como el procesamiento del lenguaje natural, limpieza de datos, reconocimiento de patrones en imágenes médicas, etcétera. El objetivo es agregar toda la información en un dataset listo para analizar.

Los modelos predictivos tienen como propósito asignar una probabilidad de pertenencia a una clase de interés, por ejemplo, la probabilidad de que un nuevo caso de estudio (un nuevo paciente con sus variables sintomáticas medidas) padezca la enfermedad.

Del mismo modo, se puede favorecer la telemedicina al permitir la colaboración entre profesionales sanitarios que actúen desde diferentes ámbitos o el diagnóstico remoto, por ejemplo, a través de sistemas de videoconferencia, soluciones de realidad aumentada, análisis de datos e IoT.

Todas las disciplinas, industrias y personas tienen su papel y pueden apoyar, ya sea desarrollando soluciones, ayudando en la distribución, atendiendo a los pacientes, limpiando y desinfectando los hospitales o quedándose en casa. En este sentido, la ciencia de datos es un gran aliado en esta batalla de la que todos formamos parte.

Computing 791