A medida que avanza la expansión del coronavirus surgido en China, los investigadores de inteligencia artificial procesan información de una enorme cantidad de fuentes en línea que podrían revelar señales de la difusión del microorganismo a nuevos lugares, o su tasa de mortalidad, o la población más vulnerable a él.
La Universidad Johns Hopkins ha creado una visualización sobre el progreso del virus en el mundo sobre la base de información de la Organización Mundial de la Salud (OMS), el Centro de Control y Prevención de las Enfermedades de Estados Unidos (CDC), su equivalente en China (ECDC) y otras fuentes oficiales.
John Brownstein, encargado de innovación en la Escuela de Medicina de Harvard, formó un equipo con investigadores en otros países para revisar constantemente, mediante aprendizaje de máquinas, publicaciones en redes sociales, noticias e información médica a fin de encontrar señales del avance del 2019-nCoV. "
"El procesamiento de lenguajes naturales se utiliza para tamizar los textos publicados en redes sociales, por ejemplo, para distinguir entre alguien que comenta las noticias y alguien que se queja sobre cómo se siente. Una empresa llamada BlueDot utilizó un enfoque similar —pero no fuentes en redes sociales— para detectar el coronavirus a finales de diciembre antes de que las autoridades chinas reconocieran la emergencia", explicaron en Wired
Según dijo Brownstein a Wired, el monitoreo es crítico para determinar dónde puede aparecer el virus, así las autoridades pueden reaccionar con rapidez para destinar los recursos necesarios.
Aunque es una gran ventaja contar con tantas fuentes, también es un problema distinguir los datos útiles entre la marea de las publicaciones en las redes sociales. "Hace falta reentrenar los modelos para que piensen en los términos que las personas usarán y las pequeñas diferencias en los síntomas", detalló Brownstein como ejemplo del trabajo constante que se realiza, según una nota de Infobae.
"Más allá de identificar nuevos casos, Brownstein dice que la técnica podría ayudar a que los expertos comprendan cómo se comporta el virus", siguió Wired. "Se podría lograr determinar la edad, el género y la ubicación de aquellos que sufren un riesgo más alto a mayor velocidad que si se usaran solamente las fuentes médicas oficiales".
La información que se reúne por crowdsourcing, mediante voluntarios o sitios creados para ofrecer información sobre el coronavirus, también juega un papel importante. Brownstein trabaja con Buoy, una empresa de Boston que ofrece consejos de salud a millones de estadounidenses mediante los portales de los centros sanitarios, informará al especialista de Harvard sobre las consultas que reciba de quienes sospechen tener el coronavirus.
Andy Tatem, profesor de la Universidad de Southampton, utilizó los datos históricos de teléfonos, anonimizados, que le brindó el buscador chino Baidu para crear un modelo del modo en que el virus se pudo haber movido desde Wuhan a los demás lugares en los días posteriores a su aparición.
Otros investigadores recurrieron a información de Tencent, la empresa china propietaria de WeChat, para crear también un modelo del contagio. Según el resultado de este procesamiento de datos, las restricciones de viaje que impuso China podrían haber colaborado a hacer más lenta la difusión del nuevo coronavirus: al demorarla algunos días, crearon la oportunidad necesaria para tomar medidas críticas de control. Esa experiencia se podría aplicar para prevenir la difusión del 2019-nCoV en otros países, si la progresión siguiera fuera de China.