Ricardo Mansilla, investigador del CEIICH, desarrolla tres proyectos para estimar también el número de posibles infectados y las zonas de riesgo
Mediante el uso de algoritmos de deep learning (aprendizaje profundo) y técnicas de Big Data, investigador de la UNAM busca la manera de detectar de manera temprana los casos de COVID-19, estimar el número de posibles infectados y registrar las zonas de mayor riesgo de contagio dentro de los grandes centros urbanos.
Estos avances serían de utilidad para la ciudadanía y las autoridades, pues se lograría una mejor evaluación de la contingencia sanitaria, afirmó Ricardo Mansilla, del Centro de Investigaciones Interdisciplinarias en Ciencias y Humanidades (CEIICH).
En la charla “Big Data e inteligencia artificial en la lucha contra COVID-19”, subrayó que con los proyectos Localización geográfica de las personas sospechosas, Confirmación de contagio a través de tomografía y rayos X y Detección de zonas geográficas de mayor riesgo, pretende contribuir al estudio de esta pandemia.
El universitario consideró que el tema de la confirmación a través de tomografía y rayos X es el de mayor trascendencia y urgencia en estos momentos, y a través de Internet y con el auxilio de un algoritmo se estaría en la posibilidad de diagnosticar a las personas contagiadas.
Aclaró que ya existen kits diagnósticos de COVID-19, pero su costo es elevado y sería una carga económica más para el sistema de salud; por ello pensó en un algoritmo, que toma imágenes de radiografías de los pulmones de personas con sospecha de infección e informa, de manera fiable, si presentan patrones en los pulmones que indiquen que son portadores del coronavirus.
“Mientras más radiografías se muestren, más inteligente se volverá el algoritmo, y por lo tanto será capaz de hacer predicciones con mayor precisión”.
Sin embargo, reconoció Mansilla, “no contamos con las suficientes radiografías, sólo con las que nos han proporcionado colegas de la Universidad de Montreal, por lo que aún el algoritmo no está al cien por ciento, se encuentra en la primera etapa, pero su funcionalidad es prometedora”.
En cuanto a la detección de zonas geográficas de mayor riesgo, explicó que en algún momento la población tendrá que salir de sus casas para proveerse de víveres o para buscar el sustento diario, y sería bueno saber cuáles áreas son menos arriesgadas.
El algoritmo proyectado por el científico de la UNAM permitiría determinar sitios con menor riesgo de contagio.
En cuanto al reporte de infecciones, detalló que se trata de un mapa, presente en redes sociales, que permite ubicar geográficamente a las personas con sospecha de COVID-19, por haber manifestado previamente, a través de esta herramienta, síntomas como tos, temperatura y dolor de garganta.
La dirección del mapa es viralmap.herokuapp.com, y trabaja en línea en este momento. Ya ha sido utilizado en la epidemia de la influenza A H1N1, en 2009 en México, “y desde 2013 hemos recogido datos relacionados con la gripe, con un intervalo de tiempo muy corto. La información contenida se actualiza cada minuto, hemos cambiado un poco las palabras de búsqueda para agregar a la COVID-19”.
Finalmente, adelantó que echará a andar un encuentro de creación de herramientas computacionales, efectivas para la toma real de decisiones, con el objetivo de implementar mecanismos de monitoreo en tiempo real utilizando las capacidades que brinda Internet, la inteligencia artificial y las computadoras.
Con información de UNAM.