Innovación en Latinoamérica: Rainier Mallol

rainier_mallol_AIME.jpg

AI que predice dónde estarán los próximos brotes de dengue, Zika y chikungunya

Los Juegos Olímpicos en Río de Janeiro (Brasil) serán recordados por muchas cosas, como por ejemplo, que fueron amenazados por el Zika, un virus transmitido por las picaduras de mosquitos. La Organización Mundial de la Salud emitió una declaración sobre los riesgos para los atletas y las medidas preventivas que podrían tomarse. En ese momento no había una forma precisa de predecir de dónde vendría el próximo brote de la enfermedad, pero ahora sí existe. 

La epidemiología médica estudia los patrones de aparición y la diseminación de enfermedades infecciosas, pero siempre es a posteriori. Las condiciones que favorecen los brotes pueden inferirse de estos estudios, lo que permite identificar las áreas de mayor riesgo debido a sus características. La plataforma de Mallol va un paso más allá. Es una herramienta más poderosa y más rápida que los expertos humanos porque puede analizar grandes volúmenes de datos en detalle utilizando un algoritmo de inteligencia artificial (IA). Además, también puede predecir con precisión la probabilidad de que ocurra un brote en un lugar determinado con tres meses de anticipación. Esta es la Inteligencia Artificial en Epidemiología Médica, o AIME.

"El proyecto actualmente se centra en tres enfermedades transmitidas por mosquitos: dengue, Zika y chikungunya", explica Mallol. En el caso del dengue, la efectividad lograda supera el 88%. Para hacer este cálculo, Mallol ingresó datos históricos, a partir de los cuales se podían hacer predicciones, en su plataforma. Luego tuvo que comparar sus resultados solo con los brotes que realmente ocurrieron en los siguientes tres meses. Tener este nivel de precisión con suficiente antelación permitiría a las autoridades hacer un uso más efectivo de los recursos, como campañas de fumigación más eficaces.

Después de realizar estudios piloto en Brasil y Filipinas, AIME comenzó a trabajar con el gobierno estatal de Penang en Malasia. "Cada caso reportado por los médicos en los centros de salud se digitaliza e inmediatamente se informa al sistema, un subsistema recoge datos relacionados con el caso de otras fuentes (NASA, Google, clima, etc.) hasta un total de 246 variables", explica Mallol. Con estos datos, incluida la dirección del paciente y la fecha del primer síntoma, el modelo AI actualiza su riesgo porcentual de predicción de brotes (dos o más casos en un área de 400 metros en 14 días) para cada ubicación.

Además del mapa de predicción, la plataforma produce un panel de control que muestra varias estrategias de análisis en tiempo real, como el historial de casos, los intervalos de edad, el origen étnico y los síntomas de los pacientes, por nombrar solo algunos ejemplos. "En 2016, cuatro científicos tardaron casi un año en mapear todos los casos de 2014, agrupados por meses, con AI que el trabajo se realizó en tres horas", afirma el joven dominicano.

Mallol está en conversaciones con el Gobierno Federal de Malasia sobre la adopción de la tecnología a nivel nacional, así como su extensión a otros países en el sudeste asiático, una de las regiones más afectadas por este tipo de enfermedad.

via MIT Technology Review