Cómo los datos de las redes sociales podrían ayudar a predecir el próximo aumento de COVID-19
En el verano de 2021, a medida que avanzaba la tercera ola de la pandemia de COVID-19 en los Estados Unidos, los pronosticadores de enfermedades infecciosas comenzaron a llamar la atención sobre una tendencia inquietante. COVID-19: datos de redes sociales podrían ayudar a predecir el próximo aumento de COVID-19.
En enero anterior, cuando los modelos advirtieron que las infecciones en EE.UU. seguirían aumentando, los casos se desplomaron. En julio, cuando los pronósticos predijeron que las infecciones se aplanarían, la variante Delta se disparó, lo que dejó claro a las agencias de salud pública luchando por restablecer los mandatos de mascarillas y las medidas de distanciamiento social.
“Los modelos de pronóstico existentes generalmente no predijeron los grandes aumentos y picos”, dijo el científico de datos geoespaciales Morteza Karimzadeh, profesor asistente de geografía en CU Boulder. “Fracasaron cuando más los necesitábamos”.
Una nueva investigación de Karimzadeh y sus colegas sugiere un nuevo enfoque. El uso de inteligencia artificial y grandes conjuntos de datos anónimos de Facebook no solo podría generar pronósticos de COVID-19 más precisos, sino también revolucionar la forma en que rastreamos otras enfermedades infecciosas, incluida la gripe.
Sus hallazgos, publicados en la International Journal of Data Science and Analytics, concluyen que este método de pronóstico, a corto plazo, supera significativamente a los modelos convencionales para proyectar tendencias de COVID a nivel de condado.
El equipo de Karimzadeh ahora es uno de una docena, incluidos los de Columbia University y Massachusetts Institute of Technolgoy (MIT), que envían proyecciones semanales al COVID-19 Forecast Hub, un repositorio que agrega los mejores datos posibles para crear un “pronóstico conjunto” para los Centros para el Control de Enfermedades. Sus pronósticos generalmente se ubican entre los dos primeros en precisión cada semana.
“Cuando se trata de pronosticar a nivel de condado, estamos descubriendo que nuestros modelos funcionan, sin lugar a dudas, mejor que la mayoría de los modelos”, dijo Karimzadeh.
Análisis de amistades para predecir la propagación viral
La mayoría de las técnicas de pronósticos de COVID que se utilizan hoy en día dependen de lo que se conoce como un “modelo compartimental”. En pocas palabras, los modeladores toman los últimos números que pueden obtener sobre las poblaciones infectadas y susceptibles (basados en informes semanales de infecciones, hospitalizaciones, muertes y vacunas), los conectan a un modelo matemático y procesan los números para predecir qué sucederá a continuación.
Estos métodos se han utilizado durante décadas con un éxito razonable, pero se han quedado cortos a la hora de predecir picos locales de COVID, en parte porque no pueden tener en cuenta fácilmente cómo se mueve la gente.
Ahí es donde entran los datos de Facebook
El equipo de Karimzadeh se basa en datos generados por Facebook y derivados de dispositivos móviles, para tener una idea de cuánto viaja la gente de un condado a otro y en qué medida las personas en diferentes condados son amigos en las redes sociales. Eso importa, porque las personas se comportan de manera diferente con los amigos.
“Las personas pueden enmascararse y distanciarse socialmente cuando van al trabajo o de compras, pero es posible que no se adhieran al distanciamiento social o al enmascaramiento cuando pasan tiempo con amigos”, dijo Karimzadeh.
Todo esto podría influir en cuánto, por ejemplo, un brote en el condado de Denver podría propagarse al condado de Boulder. A menudo, los condados que no están uno al lado del otro pueden influir mucho entre sí.
En un artículo anterior en Nature Communications, el equipo descubrió que los datos de las redes sociales eran una mejor herramienta para predecir la propagación viral que simplemente monitorear el movimiento de las personas a través de sus teléfonos móviles. Con 2.000 millones de usuarios de Facebook en todo el mundo, hay abundante información de la que extraer información, incluso en regiones remotas del mundo donde no se dispone de datos de telefonía móvil.
En particular, los datos están protegidos por privacidad, enfatizó Karimzadeh.
“No estamos rastreando individualmente a nadie”.
La promesa de la IA
El modelo en sí también es novedoso, ya que se basa en técnicas establecidas de aprendizaje automático para mejorar en tiempo real, capturando tendencias cambiantes en los números que reflejan cosas como nuevos bloqueos, inmunidad menguante o políticas de enmascaramiento.
Durante un horizonte de pronóstico de cuatro semanas, el modelo fue en promedio 50 casos por condado más preciso que el pronóstico conjunto del COVID-19 Forecast Hub.
“El modelo aprende de circunstancias pasadas para pronosticar el futuro y se mejora constantemente”, dijo.
Thoai Ngo, vicepresidente de investigación de ciencias sociales y del comportamiento para la organización sin fines de lucro Population Council, que ayudó a financiar la investigación, dijo que el pronóstico preciso es fundamental para generar confianza pública, asegurar que las comunidades tengan suficientes pruebas y camas de hospital para los aumentos repentinos, y permitir que los legisladores tomen medidas, implementar cosas como mandatos de máscara antes de que sea demasiado tarde. “El mundo ha estado tratando de ponerse al día con COVID-19. Siempre estamos 10 pasos atrás”, dijo Ngo.
“La IA lo ha revolucionado todo, desde la forma en que interactuamos con nuestros teléfonos hasta el desarrollo de vehículos autónomos, pero en realidad no la hemos aprovechado demasiado en lo que respecta a la predicción de enfermedades”.
Morteza Karimzadeh
Ngo dijo que, sin duda, los modelos tradicionales tienen sus puntos fuertes, pero, en el futuro, le gustaría verlos combinados con métodos de IA más nuevos para aprovechar los beneficios únicos de ambos.
Él y Karimzadeh ahora están aplicando sus novedosas técnicas de pronóstico para predecir las tasas de hospitalización, que dice que serán más útiles para observar a medida que el virus se vuelve endémico.
“La IA ha revolucionado todo, desde la forma en que interactuamos con nuestros teléfonos hasta el desarrollo de vehículos autónomos, pero en realidad no la hemos aprovechado mucho en lo que respecta a la predicción de enfermedades”, dijo Karimzadeh. “Hay mucho potencial sin explotar ahí”.
Otros contribuyentes a esta investigación incluyen:
- Benjamin Lucas, investigador asociado postdoctoral en el Departamento de Geografía.
- Behzad Vahedi, estudiante de doctorado en el Departamento de Geografía
- Hamidreza Zoraghein, investigador asociado del Population Council
Fuente: