Luchar contra el coronavirus con ciencia de datos y aprendizaje automático

Las amenazas planteadas por Sars-CoV-2, más conocido como “coronavirus2, nos tiene a todos preocupados. Pero, ¿realmente estamos haciendo lo suficiente para usar y dar forma a nuestra atención médica de la manera más eficiente posible? Un área descuidada en la lucha contra la pandemia del Covid-19 es, por ejemplo, el uso de la inteligencia artificial (IA) y la ciencia de datos para luchar contra el coronavirus.

Recomendado: Master en Business Analytics

La actual crisis del coronavirus ha llegado a todo el mundo, y los políticos de diferentes países hablan del mayor desafío de nuestro tiempo. Por ejemplo, después de que nuestro sistema de salud amenazara con colapsar, debido a la rápida propagación del virus, el enfoque debería centrarse en un claro objetivo: frenar el aumento de las personas infectadas tanto como sea posible. Se han tomado medidas como el confinamiento de la población, el cierre de empresas y negocios no esenciales, mantener una distancia mínima de 1,5 metros con otras personas, uso de mascarillas…

Análisis de datos para contener nuevas infecciones

Sin embargo, algunos científicos y compañías piensan en una dirección diferente. Y también quieren usar medios tecnológicos en la lucha contra el coronavirus. Si la digitalización ha estado determinando nuestras vidas durante varios años, ¿por qué no deberíamos aprovecharla para frenar la propagación de la pandemia?

El análisis de datos, los algoritmos y la inteligencia artificial, a menudo, han ayudado en la medicina a identificar imágenes clínicas y, por lo tanto, permiten diagnósticos más rápidos. Los algoritmos, que se basan principalmente en redes neuronales artificiales, han sido capaces de detectar, por ejemplo, neumonía, Pero también cáncer de piel, malaria y muchas otras enfermedades, con una mayor o al menos la misma precisión que los mejores especialistas en el campo respectivo.

Pero esto no significa que los expertos ya no sean necesarios. Por el contrario, los diagnósticos acelerados significan que hay más capacidad disponible para que puedan concentrarse en otras tareas. Podrían centrarse en el tratamiento de enfermedades o la educación cuidadosa de los pacientes. Esa sería una ventaja significativa en estos tiempos del coronavirus.

Equilibrio entre la protección de datos y el uso razonable de los datos

En realidad, sin embargo, la situación es paradójica, al menos en muchas partes de Europa. Si bien las instituciones de investigación informan constantemente nuevos registros en la detección de enfermedades controlada por ordenador, estos modelos y sistemas todavía se usan muy poco en la práctica.

La razón de esto radica principalmente en las disposiciones de la ley de datos que, por un lado, incluye diferentes requisitos de protección de datos para fines de investigación y, por otro lado, para su uso real en el entorno clínico. Concretamente, esto significa que, si deseamos entrenar un algoritmo para la detección de imágenes clínicas y usarlo en operaciones hospitalarias, necesitamos datos de cientos o incluso miles de pacientes. Pero necesitamos el consentimiento claro de cada uno de estos pacientes para usar sus datos.

Otro obstáculo en esta disposición es que este consentimiento debe darse con un propósito específico. En este caso para el entrenamiento de un algoritmo de Inteligencia Artificial o Machine Learning, y su uso en un entorno clínico. Esta disposición también se aplica si los datos son anónimos.

En medicina, para reconocer patrones y entrenar algoritmos, se necesitan los conjuntos de datos más grandes posibles durante un largo período de tiempo. Para el entrenamiento de redes neuronales, también es necesario poder rastrear los datos en casos raros. Por ejemplo, cuando el análisis de error plantea dudas sobre si una enfermedad en particular se diagnostica correctamente en un frotis de sangre o una radiografía.

Por supuesto, la protección de datos es importante, especialmente en tiempos de digitalización masiva. Sin embargo, los datos de salud pueden salvar vidas. La protección de datos debe garantizarse, desde luego. Pero, por otro lado, las posibilidades ofrecidas deben poder utilizarse.

Machine Learning en la lucha contra el coronavirus

En el caso de los trasplantes de órganos, se puede preguntar regularmente a los ciudadanos si desean donar sus órganos después de su muerte. ¿Por qué no encontrar una solución similar para tratar datos con fines médicos?

Las posibilidades del aprendizaje automático, o Machine Learning, muestran cuán importante sería esto en la situación actual. Por ejemplo, un algoritmo que detecta las infecciones por coronavirus en las radiografías pulmonares, o incluso un tomógrafo por ordenador, tendría varios efectos que ayudarían durante esta crisis:

  1. Por un lado, el lapso de tiempo entre la prueba de coronavirus y el resultado de la prueba, se acortaría significativamente. Con el algoritmo, los médicos podrían hacer un diagnóstico mucho más rápido, especialmente para pacientes con evolución severa.
  2. En el caso de capacidades de cuidados intensivos sobrecargadas, los hospitales podrían aislar a los pacientes infectados con Covid-19 de una manera más específica. Esto sería un alivio, y también reduciría el riesgo de infección en los hospitales.
  3. El algoritmo también podría ayudar a los médicos que, hasta ahora, han tenido poco o ningún contacto con paciente infectados con coronavirus. Sin experiencia, es particularmente difícil para ellos interpretar correctamente los síntomas. Los resultados del algoritmo les facilitarían mucho más descartar la infección por coronavirus
  4. En un momento posterior, el algoritmo también podría usarse para identificar pacientes que corren el riesgo de una evolución grave de la enfermedad infecciosa. Esto permitiría un tratamiento temprano y dirigido.

El objetivo es obtener un conjunto de datos lo más amplio posible, sobre cuya base la ciencia de datos podría hacer una contribución considerable a la lucha contra el coronavirus Covid-19.