Crean sistema para predecir propagación de enfermedades zoonóticas con IA
24 marzo, 2023
Las enfermedades zoonóticas son aquellas que se transmiten entre animales y seres humanos. El ejemplo más fuerte de los últimos años es Covid-19; sin embargo, hay muchas otras con las que hemos convivido por más tiempo.
Entre los retos del cambio climático está que habrá mayor propensión a que este tipo de enfermedades se propaguen. Un equipo de investigadores Taiwaneses decidió crear una máquina de aprendizaje que recurra a la inteligencia artificial (IA) para predecir la forma en que estas avanzarán en el espacio y tiempo.
Un primer intento de predecir dónde y cuándo aparecerán enfermedades zoonóticas
En los últimos años los casos de dengue han incrementado de forma alarmante en China y Taiwán. No existe una vacuna efectiva contra este padecimiento en el mundo. Por lo tanto, prevenir a los posibles contagiados será una forma de combatirlo.
Esta enfermedad se adquiere por la picadura de los mosquitos Aedes aegypti o albopictus. Estos mosquitos crecen en ambientes húmedos. Suelen poner sus huevos cerca de la orilla de lagos y estanques, plantas de pantanos y marismas y recipientes que almacenan agua.
Cada año hasta 400 millones de personas se infectan con dengue en el mundo. De ellas, aproximadamente 100 millones se enferman a causa de esta infección. De ellas 40 mil mueren por dengue grave. Estos datos provienen de los Centros para el Control y la Prevención de Enfermedades (CDC) de Estados Unidos.
Si existiera un método que defina las áreas de riesgo, así como los momentos de mayor riesgo podría alertarse a la población. Mantenerse alejado de los lugares donde los mosquitos pondrán sus huevos sería una forma efectiva de mantenerse lejos del dengue. Sin embargo, por ahora no existen modelos matemáticos que logren algo parecido.
La propuesta de utilizar IA para predecir brotes de dengue provino de la Universidad Sofía en Japón. La profesora Sumiko Anno propuso mezclar a la IA con datos de teleobservación. Con esto busca predecir la distribución espaciotemporal de los brotes de dengue en Taiwan.
Para el estudio se tomaron datos climáticos de Taiwán entre 2002 y 2020. Entre ellos había información sobre lluvias, temperatura en la superficie del mar y radiación de onda corta. También había datos sobre los lugares de residencia de las personas infectadas con dengue del Centro de Control de Enfermedades de Taiwán.
Los investigadores combinaron los datos en busca de patrones ocultos que relacionaran las condiciones climáticas con los casos registrados de dengue. Se creó un modelo de análisis de tipo Red Neuronal Convulacional (CNN). Este modelo tuvo una arquitectura de codificador-decodificador basada en U-Net.
“El modelo U-Net funciona con muy pocas imágenes de entrenamiento y produce una segmentación semántica más precisa cuando se le proporciona la información de ubicación”, explicó al medio digital EurekAlert! la profesora Anno.
Este tipo de modelos suele dar buenos resultados en segmentación de imágenes, incluso con muestras pequeñas. Tras el entrenamiento se puso a prueba con datos adicionales que no se usaron en el entrenamiento.
En esta ocasión los resultados no fueron tan satisfactorios como hubieran deseado los investigadores. Gran parte de los puntos marcados en el mapa de Taiwán como zonas de riesgo no coincidían con aquellos donde efectivamente hubo brotes de dengue.
“Si bien la mayoría de los píxeles del brote predichos no se superponían con la verdad sobre el terreno, algunos de ellos se encontraban bastante cerca de las ubicaciones reales del brote. Esto implica que la predicción espacio-temporal de los brotes de dengue utilizando datos de teledetección es posible”, asegura la profesora Anno.
El equipo de investigación reevaluará la arquitectura que utiliza para su modelo predictivo. Consideran que es posible relacionar los datos climáticos con los brotes de dengue para tomar acciones preventivas.
Las enfermedades zoonóticas como el dengue tienen mayor probabilidad de propagarse con eventos climáticos extremos. Los mosquitos que lo propagan son uno entre muchos animales alrededor del mundo que nos contagian enfermedades.
Contar con una herramienta que nos ayude a predecir dónde y cuándo habrá un brote sería una gran ventaja en asuntos de salud pública. Por ahora tenemos un primer acercamiento desde Taiwán. Los participantes en la investigación rediseñarán su propuesta y veremos si mejoran los resultados. Los resultados se publicaron en la revista científica Geo-spatial Information Science.