Científicos debaten el uso de la inteligencia artificial contra el COVID-19 y en futuras pandemias

Los modelos capaces de prever la propagación de patógenos, los algoritmos que monitorean quejas de salud en las redes sociales y el empleo de big data y del aprendizaje de máquinas para acelerar el descubrimiento de fármacos fueron algunos de los temas que se abordaron en el marco de un seminario organizado por la FAPESP y el Global Research Council

Por José Tadeu Arantes  |  Agência FAPESP – ¿De qué manera se desarrollaron los modelos que previeron la propagación y la evolución del COVID-19 en el mundo? ¿Es posible crear algoritmos inteligentes capaces de prever y evitar nuevas pandemias? ¿Cómo proteger contra las fake news a esas nuevas herramientas de inteligencia artificial orientadas hacia el sistema de salud? ¿Qué contribuciones puede hacer la inteligencia artificial para optimizar el descubrimiento de fármacos? Estos fueron algunos de los temas que se abordaron durante el webinario “Inteligencia artificial y COVID-19”, realizado a comienzos del mes de octubre.

Organizado por la FAPESP en colaboración con el Global Research Council (GRC), dicho evento contó con la presencia de Roberto Marcondes, miembro de la Coordinación Adjunta del Programa de Centros de Investigación, Innovación y Difusión (CEPIDs) de la FAPESP y profesor titular del Instituto de Matemática y Estadística de la Universidad de São Paulo (IME-USP), en Brasil, en carácter de moderador. Entre los disertantes hubo otros dos docentes de la USP −Solange Rezende, del Instituto de Ciencias Matemáticas y Computación de São Carlos (ICMC-USP), y Alexandre Chiavegatto Filho, de la Facultad de Salud Pública (FSP-USP)−, además de los investigadores Wagner Meira Junior y Carolina Horta Andrade, ligados al Instituto de Ciencias Exactas de la Universidad Federal de Minas Gerais (ICEx-UFMG) y a la Facultad de Farmacia de la Universidad Federal de Goiás (FF-UFG) respectivamente, ambas instituciones brasileñas.

En su conferencia, Rezende se refirió a cómo en 2020, cuando se sabía muy poco aún sobre la dinámica de la pandemia, su grupo trabajó en el enriquecimiento de los modelos predictivos. Esto se concretó mediante la incorporación a las bases de datos de información recabada en noticias de los medios de comunicación, informes, boletines, redes sociales y otras fuentes.

Para reunir la información de interés en los textos seleccionados, el grupo echó mano de la herramienta de inteligencia artificial llamada “extractor de actividades nombradas”, que utiliza reglas que permiten reproducir de algún modo las preguntas clásicas del buen periodismo: ¿quién? ¿qué? ¿cuándo? ¿dónde?

“Las noticias, recolectadas en plataformas altamente selectivas y protegidas contra fake news, se rastreaban constantemente. Y la minería hacía posible concretar la desambiguación de los términos hallados e identificar, georreferenciar y relacionar los eventos. Y de esta manera, establecer los patrones de evolución de las curvas de contagio. Construimos modelos ajustados diariamente con el pronóstico de lo que podría suceder durante los siguiente siete días”, dijo la investigadora (lea más en: agencia.fapesp.br/33214/). 

Chiavegatto Filho abordó el aprendizaje de máquinas. Y de qué manera los algoritmos inteligentes pueden hacer su aporte a la gestión sanitaria mediante predicciones y orientando decisiones que eviten una nueva pandemia.

De acuerdo con el investigador, esto podría concretarse de dos maneras complementarias. La primera, mediante el rastreo en las redes sociales. “A la gente le gusta quejarse en las redes sociales. Y los algoritmos son capaces de monitorear quejas anómalas en ciertas regiones y en determinadas épocas. En 2019, por ejemplo, se detectó una gran cantidad de quejas relacionadas con problemas respiratorios en la zona de Wuhan, en China. Así y todo, y desafortunadamente, no sé tomó en serio ese tema en esa ocasión”, afirmó.

La segunda forma consiste en monitorear los sistemas de salud para saber qué tipos de pacientes están llegando, y con qué frecuencia, a las unidades de atención. “El descubrimiento de síntomas inesperados permitiría detectar la posible emergencia de una nueva enfermedad”, explicó.

Meira Junior recordó que un tópico bastante complejo en el caso del COVID-19 fue el de las fuentes de datos. El tema se politizó y se polarizó rápidamente en las redes sociales, con propagación de fake news y denuncias de subregistro o de sobrenotificación de casos.

El investigador de la UFMG planteó tres criterios que deben orientar la calidad de los modelos. “El primero, caracterizado por la expresión ‘justicia algorítmica’, indica que los modelos no pueden discriminar o sesgar. El segundo es el de la ‘responsabilidad algorítmica’. ¿Quién o qué cosa es responsable de un eventual error? El tercero es la ‘transparencia algorítmica’, que haga posible que los profesionales de la salud entiendan aquello que sale del modelo y los empodere para decidir mejor.”

Al considerar estos criterios, Meira Junior hizo hincapié en la necesidad de reformular los sistemas actuales.

Durante la cuarta y última conferencia del webinario, Horta Andrade abordó el descubrimiento de nuevos fármacos mediante el empleo de inteligencia artificial. El objetivo de utilizar estas herramientas consiste en abreviar y abaratar un proceso que es históricamente caro al extremo, y que puede tardar hasta 15 años o más. “Por cada conjunto de 10 mil compuestos considerados en la etapa inicial, tan solo una droga se aprueba efectivamente. Y las estimaciones de las inversiones necesarias para sacar un fármaco al mercado oscilan entre los 2.000 y los 13.000 millones de dólares”, informó.

La inteligencia artificial puede ayudar en varias etapas. Por ejemplo, en la planificación y en el diseño de moléculas. “Recientemente, se pudo diseñar, sintetizar y validar mediante inteligencia artificial una nueva droga en tan solo 46 días”, dijo Horta Andrade.

Como punto de partida, los repositorios públicos, tales como PubChem y ChEMBL, ya poseen una formidable base de datos, con información química y biológica referente a más de 100 millones de compuestos, cada cual con al menos una actividad biológica reconocida. “Mediante el aprendizaje de máquinas supervisado, es posible utilizar esos datos para elaborar modelos que puedan validarse estadísticamente. Y eventualmente podrá empleárselos para la predicción de nuevas moléculas”, resumió la investigadora.

El seminario “Inteligencia artificial y COVID-19” se encuentra disponible online completo. Y puede accederse al mismo en el siguiente enlace: www.youtube.com/watch?v=vKJMuWz2IpA.