Fuente: Unsplash

Hoy en día, la mayor preocupación para la industria de la salud, los médicos y los investigadores es la pandemia de la COVID-19. La mayoría de los sistemas médicos de todo el mundo han cambiado su enfoque para combatir el virus y están haciendo todo lo posible para garantizar la salud y la seguridad de sus pacientes.

Las organizaciones han aprovechado diveras soluciones digitales para combatir esta situación, una de ellas y con gran potencial es el Machine Learning (ML) o en español aprendizaje automático. El aprendizaje automático utiliza grandes volúmenes de datos para identificar patrones y ofrecer a los tomadores de decisiones una mejor perspectiva que les permita tomar medidas de manera informada. 

Health IT Analytics afirma "con los datos, los métodos de integración y el personal adecuados, el aprendizaje automático tiene el potencial de avanzar en el apoyo a la toma de decisiones clínicas y ayudar a los proveedores a ofrecer una atención óptima."

Conoce cuatro formas en las que el aprendizaje automático puede ayudar a combatir la COVID-19:

1. Ayuda a identificar a aquellos que corren mayor riesgo

Recientemente, se ha obtenido nueva información sobre los efectos específicos de la COVID-19 en el interior del cuerpo humano. Esto ofrece a los analistas de datos la posibilidad de crear modelos de agrupación de información que muestren de forma interactiva y simplificada e identifiquen a las poblaciones más vulnerables al virus y su ubicación. Esto permite distribuir personal médico y los suministros a las zonas más necesitadas.

El ML también puede analizar los datos de un conjunto creciente de infecciones y estimar el riesgo de infección de las conexiones más cercanas de la persona infectada, basándose en las interacciones entre ellas.

Otra solución, más ambiciosa, podría crear un modelo que ayude a predecir el resultado de un tratamiento específico en un grupo de personas con síntomas concretos y, en consecuencia, los médicos podrían prescribir un plan de tratamiento de forma más eficiente y con mayor éxito serían capaces de predecir el resultado.

2. Puede aumentar el número de formas de prediagnosticar la COVID-19

La manera más común de diagnosticar el virus es una prueba de PCR (reacción en cadena de la polimerasa), sin embargo, debido al rápido aumento del número de casos en todo el mundo, la mayoría de los países no cuentan con la infraestructura adecuada para soportar la demanda de pruebas necesarias por día. Según un comunicado de la OMS, "actualmente no hay pruebas que indiquen que las personas que se han recuperado del la COVID-19  tienen anticuerpos para protegerse de segunda infección". Es necesario que exista una forma de aumentar el número de pruebas disponibles. 

Si se pudiera crear un modelo de aprendizaje automático que utilizara factores alternativos para pre diagnosticar con precisión la COVID-19 (como imágenes de escaneo facial o anomalías en una evaluación de la frecuencia cardíaca), estos diagnósticos alternativos podrían reducir en gran medida la necesidad de interacción física entre dos o más personas y disminuir el riesgo de infección para los trabajadores sanitarios. Aunque la precisión no sea alta, este método heurístico puede ser eficaz en el diagnóstico temprano. Un estudio prometedor empleó algoritmos de inteligencia artificial (IA) para integrar los hallazgos de la tomografía computarizada de tórax con los síntomas clínicos, los antecedentes de exposición y las pruebas de laboratorio para diagnosticar rápidamente a los pacientes que dan positivo al COVID-19. Esto podría resultar ser una valiosa herramienta, especialmente mientras el suministro de pruebas PCR sea escaso.

Otra posible solución es desarrollar un chatbot con ML para ayudar a los pacientes con síntomas estandarizados a recibir un pre diagnóstico sin contacto, que también ofrezca información instantánea relacionada con la COVID-19 para mejorar la atención al paciente.

3. Ayuda a comprender la naturaleza del virus y cómo se propaga

Una de las prioridades de los profesionales de la salud es minimizar el impacto de la pandemia, comprendiendo cómo interactúa la COVID-19 con diferentes organismos durante la infección, lo que también se conoce como interacción virus-huésped. El objetivo principal es mapear todas las interacciones para desarrollar nuevos medicamentos o vacunas que puedan combatir el virus. 

En el pasado, se desarrollaron medicamentos muy eficaces contra el H1N1 utilizando un mapa de interacciones. En la actualidad, hay muchos proyectos de aprendizaje automático en curso en todo el mundo, para conocer cómo interactúan las proteínas del interior de nuestro cuerpo con el virus. Por ejemplo, NVIDIA utiliza una unidad de procesamiento gráfico (GPU) de aprendizaje profundo para poner en marcha su iniciativa Folding@home. Esta iniciativa reaprovecha el tiempo de GPU no utilizado, proporcionado por la comunidad, para ejecutar simulaciones de aprendizaje automático sobre la proteína vírica de la COVID-19. El objetivo de Folding@home es aprender lo suficiente sobre el virus para diseñar terapias que puedan contrarrestarlo.

La keynote 2020 de NVIDIA reveló aún más proyectos relacionados con el uso del aprendizaje automático en la lucha contra la COVID-19. Uno de los más importantes fue la primera recreación en 3D del virus utilizando todas las interacciones y proteínas conocidas. La recreación en 3D del virus ayuda a los investigadores a conocer mejor las proteínas del virus y cómo se reproduce en diferentes formas, lo que podría serles útil para desarrollar una posible vacuna y anticuerpos.

4. Ayuda a estimar la proyección y prevención de futuras pandemias

Tener una proyección en el número de casos, muertes y personas en riesgo puede ser fundamental para cualquier país del mundo en estos momentos. La creación de un modelo de predicción mediante aprendizaje automático que tome todos los datos relacionados con los casos de la COVID-19 con información adicional como el comportamiento social por ciudad y la interacción en redes sociales, puede potencialmente dar una visión de lo que está por venir en un futuro próximo. También es una poderosa herramienta para que los gobiernos y los funcionarios del sector de la salud tomen las decisiones oportunas para reducir el impacto de la pandemia en la sociedad.

Por último, utilizando lo aprendido de esta experiencia, se puede poner en marcha un nuevo estudio de pandemias potenciales. Ya existe una lista de enfermedades comunes que afectan a determinados tipos de animales. Antes, algunas de esas enfermedades afectaron a un humano y crearon una situación como la actual. Un buen enfoque para evitarlo es crear modelos de aprendizaje automático que puedan estudiar las proteínas y las interacciones de esas enfermedades potenciales para encontrar una forma de aislar las proteínas que pueden migrar o interactuar negativamente con los humanos. 

El Machine Learning puede ser un elemento vital en la lucha contra la COVID-19

En estos momentos difíciles, debemos trabajar juntos para superar esta situación y aprender de ella para prepararnos para escenarios futuros. Los métodos de aprendizaje automático son uno de los principales temas de investigación en el mundo, y las empresas de hardware están desarrollando constantemente potentes dispositivos que pueden ejecutar algoritmos más complejos para proporcionar mejores conocimientos. Aprovechemos estas potentes tecnologías para mantener la seguridad y la salud de todos.

¿Cómo Nisum puede ayudar?

Si estás interesado en aprovechar el aprendizaje automático para ejecutar algoritmos complejos y saber cómo Nisum puede transformar tus conocimientos y capacidades analíticas, contáctanos.