¿Puede la IA señalar brotes de enfermedades más rápido que los humanos?

BOSTON.- Un sistema de inteligencia artificial venció a los médicos humanos al advertir al mundo de un brote grave de coronavirus en China

Las alertas tempranas de brotes de enfermedades pueden ayudar a las personas y a los gobiernos a salvar vidas. En los últimos días de 2019, un sistema de inteligencia artificial en Boston envió la primera alerta global sobre un nuevo brote viral en China. Pero se necesitó inteligencia humana para reconocer la importancia del brote y luego despertar la respuesta de la comunidad de salud pública.

Además, los simples mortales produjeron una alerta similar solo media hora detrás de los sistemas de IA.

Por ahora, los sistemas de alerta de enfermedades impulsados por IA aún pueden parecerse a las alarmas de los automóviles: se activan fácilmente y a veces se ignoran. Una red de expertos médicos y detectives aún debe hacer el trabajo duro de examinar los rumores para reconstruir la imagen más completa. Es difícil decir qué futuros sistemas de IA, impulsados por conjuntos de datos cada vez más grandes en brotes, pueden lograr.

La primera alerta pública fuera de China sobre el nuevo coronavirus se produjo el 30 de diciembre desde el sistema automatizado HealthMap en el Boston Children's Hospital. A las 11:12 pm hora local, HealthMap envió una alerta sobre casos de neumonía no identificada en la ciudad china de Wuhan. El sistema, que analiza las noticias en línea y los informes en las redes sociales, calificó la gravedad de la alerta como solo 3 de 5. Los investigadores de HealthMap tardaron días en reconocer su importancia.

Cuatro horas antes del aviso de HealthMap, la epidemióloga de Nueva York Marjorie Pollack ya había comenzado a trabajar en su propia alerta pública, estimulada por una creciente sensación de temor después de leer un correo electrónico personal que recibió esa noche.

"Esto se está transmitiendo por Internet aquí", escribió su contacto, que se vinculó a una publicación en el foro chino de medios sociales Pincong. La publicación discutió un aviso de la agencia de salud de Wuhan y leyó en parte: "¿Por qué se le ha visualizado una agencia de salud de wuhan?

Pollack, editor adjunto del Programa dirigido por voluntarios para el Monitoreo de Enfermedades Emergentes, conocido como ProMed, rápidamente movilizó a un equipo para investigarlo. El informe más detallado de ProMed salió unos 30 minutos después de la alerta de HealthMap.

Los sistemas de alerta temprana que analizan las redes sociales, los artículos de noticias en línea y los informes del gobierno en busca de signos de brotes de enfermedades infecciosas ayudan a informar a las agencias globales como la Organización Mundial de la Salud, lo que brinda a los expertos internacionales una ventaja cuando los obstáculos burocráticos locales y las barreras idiomáticas podrían interponerse. .

Algunos sistemas, incluido ProMed, dependen de la experiencia humana. Otros están parcial o completamente automatizados y, en lugar de competir entre sí, a menudo son complementarios: HealthMap está entrelazado con ProMed y ayuda a ejecutar su infraestructura en línea.

"Estas herramientas pueden ayudar a mantener los pies en el fuego para las agencias gubernamentales", dijo John Brownstein, quien dirige el sistema HealthMap como director de innovación en el Boston Children's Hospital. "Obliga a las personas a ser más abiertas".

Las últimas 48 horas de 2019 fueron un momento crítico para comprender el nuevo virus y su importancia. Anteriormente el 30 de diciembre, el médico del hospital central de Wuhan, Li Wenliang, advirtió a sus antiguos compañeros de clase sobre el virus en un grupo de redes sociales, una medida que llevó a las autoridades locales a convocarlo para interrogarlo varias horas después.

Li, quien murió el 7 de febrero después de contraer el virus, dijo al New York Times que hubiera sido mejor si los funcionarios hubieran revelado información sobre la epidemia antes. "Debería haber más apertura y transparencia", dijo.

Los informes ProMed a menudo se incorporan a otros sistemas de alerta de brotes. incluidos los dirigidos por la Organización Mundial de la Salud, el gobierno canadiense y la startup BlueDot de Toronto. La OMS también agrupa datos de HealthMap y otras fuentes.

Los sistemas informáticos que escanean informes en línea para obtener información sobre brotes de enfermedades se basan en el procesamiento del lenguaje natural, la misma rama de la inteligencia artificial que ayuda a responder las preguntas formuladas a un motor de búsqueda o asistente de voz digital.

Pero los algoritmos solo pueden ser tan efectivos como los datos que están rastreando, dijo Nita Madhav, CEO de la firma de monitoreo de enfermedades Metabiota, con sede en San Francisco, que notificó por primera vez a sus clientes sobre el brote a principios de enero.

Madhav dijo que la inconsistencia en cómo las diferentes agencias informan los datos médicos puede obstaculizar los algoritmos. Los programas de escaneo de texto extraen palabras clave del texto en línea, pero pueden confundirse cuando las organizaciones informan de manera diversa nuevos casos de virus, casos de virus acumulativos o nuevos casos en un intervalo de tiempo determinado. La posibilidad de confusión significa que casi siempre hay una persona involucrada en la revisión de los datos.

"Todavía hay un poco de humano en el circuito", dijo Madhav.

Andrew Beam, epidemiólogo de la Universidad de Harvard, dijo que escanear informes en línea en busca de palabras clave puede ayudar a revelar tendencias, pero la precisión depende de la calidad de los datos. También señala que estas técnicas no son tan novedosas.

"Hay un arte en el raspado inteligente de sitios web", dijo Beam. "Pero también es la tecnología central de Google desde la década de 1990".

El propio Google comenzó su propio servicio de Tendencias de la gripe para detectar brotes en 2008 buscando patrones en las consultas de búsqueda sobre los síntomas de la gripe. Los expertos lo criticaron por sobreestimar la prevalencia de la gripe. Google cerró el sitio web en 2015 y entregó su tecnología a organizaciones sin fines de lucro como HealthMap para usar los datos de Google para construir sus propios modelos.

Google ahora está trabajando con el equipo de Brownstein en un enfoque similar basado en la web para rastrear la propagación geográfica de la enfermedad de Lyme transmitida por garrapatas.

Los científicos también están utilizando grandes datos para modelar posibles rutas de transmisión temprana de la enfermedad.

A principios de enero, Isaac Bogoch, médico e investigador de enfermedades infecciosas del Hospital General de Toronto, analizó los datos de vuelos comerciales con el fundador de BlueDot, Kamran Khan, para ver qué ciudades fuera de China continental estaban más conectadas con Wuhan.

Wuhan dejó de viajar en avión comercial a fines de enero, pero no antes de que aproximadamente 5 millones de personas hubieran huido de la ciudad, como dijo más tarde el alcalde de Wuhan a los periodistas.

"Mostramos que el mayor volumen de vuelos desde Wuhan fue a Tailandia, Japón y Hong Kong", dijo Bogoch. "He aquí que, unos días después, comenzamos a ver casos emergentes en estos lugares".

En 2016, los investigadores utilizaron un enfoque similar para predecir la propagación del virus del Zika desde Brasil hasta el sur de Florida.

Ahora que muchos gobiernos han lanzado medidas agresivas para frenar la transmisión de enfermedades, es más difícil construir algoritmos para predecir lo que sigue, dijo Bogoch.

Los sistemas de inteligencia artificial dependen de grandes cantidades de datos anteriores para entrenar a las computadoras a interpretar nuevos hechos. Pero no hay paralelos cercanos a la forma en que China está imponiendo zonas de cuarentena que impactan a cientos de millones de personas.