Por Milagro Corbalán
Hace 1 Hs
Un proyecto tucumano para aplicar IA en la prevención de brotes de dengue y chikungunya
-
Alejandro Urueña presentó en Tucumán un proyecto de IA para predecir brotes de dengue y chikungunya, buscando detectar riesgos en barrios antes de que ocurran los contagios masivos.
-
El modelo analiza clima, movilidad y datos larvarios mediante regresión espacial. Surge tras el aumento de casos en el NOA y la experiencia personal del autor ante la enfermedad.
-
Esta tecnología permitiría optimizar recursos sanitarios y presupuestarios. Se proyecta como una herramienta clave para que los ministerios enfrenten epidemias de forma eficiente.
Un aviso que indique el riesgo de contagio que existe en cada barrio permitiría optimizar la distribución de recursos. Imagen generada con inteligencia artificial
“Tenemos una posibilidad histórica de usar la IA de forma seria y responsable para dar soluciones”, dice el tucumano Alejandro Urueña y asegura que en Tucumán puede aplicarse un modelo basado en inteligencia artificial para prevenir los brotes de enfermedades producidas por el mosquito Aedes aegypti. "Hoy contamos enfermos. La propuesta es detectar criaderos antes de que produzcan mosquitos, riesgos antes de que se vuelvan casos, y barrios antes de que se vuelvan brotes", plantea y, en este sentido, se alinea con las expectativas que tiene el Ministerio de Salud Pública (MSP) de la Provincia para erradicar o, cuanto menos, controlar el chikungunya.
Tucumán se encuentra entre las regiones más afectadas del país por los casos de chikungunya. Hasta el último parte del MSP, se contabilizaron más de 360 casos en la provincia. El 93% de la carga de la enfermedad en el país se concentra en el NOA, según la Dirección de Epidemiología. Salta es la provincia con mayor nivel de contagio, con 1172 casos confirmados hasta el 18 de abril.
Urueña parte de la premisa de que, hasta los años 90, el Aedes aegypti en Argentina era un problema del norte, pero que esos límites dejaron de estar delimitados y dieron paso a un problema de alcance nacional. "Por eso el conocimiento histórico ya no alcanza para anticipar brotes", sostiene. Como solución, en su proyecto propone utilizar la IA en tres niveles: en el barrio, como sistema útil para vecinos y para asignar brigadas de descacharrado; en la comuna o municipio, como sistema útil para intendencias, asignación de presupuesto y campañas locales; y en una región o provincia, como sistema útil para ministerios, prensa y política sanitaria general.
La IA puede prevenir una epidemia
Datos tiene cualquiera. Pero, sistematizados, pueden convertirse en una fuente valiosa de información y a eso apunta el proyecto de Urueña. Los brotes pueden ser previsibles, si la situación se analiza con detenimiento. Lo que predice, según el experto, es la combinación. El modelo de IA puede tomar datos como temperatura mínima invernal, lluvia y humedad, movilidad humana, transporte pasivo del mosquito, densidad y NBI e índice larvario, y calibrarlos barrio por barrio para acceder a una especie de diagnóstico que permita tomar decisiones en consecuencia. Aunque no son variables taxativas, pueden servir para iniciar.
Diferentes variables podrían contribuir a la clarificación y predicción de brotes de dengue, chikungunya, zika u otros arbovirus. Gráfico: Alejandro Urueña
"Un modelo que mire una sola variable falla. Y un humano experto mirando cinco variables a la vez en miles de barrios, también", afirma. Como solución, la IA aparece como la herramienta capaz de procesar todos los datos mencionados a escala provincial y casi en tiempo real.
La regresión espacial cobra relevancia en la comparación e interrelación de casos y datos. "El barrio del lado también importa", sostiene Urueña. Lo que hace la regresión espacial es tener en cuenta si lo que pasa en una zona depende de lo que pasa en los barrios vecinos. En definitiva y según explica, "permite responder preguntas como: '¿los brotes se contagian de barrio a barrio?' o '¿hay zonas de concentración donde la transmisión es sistemáticamente más alta que el resto?'".
Gráfico ilustrativo sobre la información que podría ofrecer el modelo al ciudadano tucumano para conocer las probabilidades de contagio de acuerdo a su zona. Gráfico: Alejandro Urueña
Óptima distribución de recursos sanitarios
La IA no hace magia, ni se mueve por sí sola. La actualización periódica, según el contexto y situación epidemiológica, es una variable que se ajusta de acuerdo a las necesidades de la población.
Pero casos aplicados demostraron que contar con información certera permite distribuir de forma óptima recursos como actuación de agentes sanitarios, presupuesto y prioridad en el calendario de salud. En Belo Horizonte, Brasil, una simulación con datos reales del año epidémico 2019 permitió descubrir que una mejor distribución temporal en el uso de insecticidas resultaba más redituable económicamente que tratar a los pacientes contagiados en un hospital.
Urueña empezó a trabajar en el modelo de predicción de brotes de enfermedades transmitidas por Aedes aegypti cuando tuvo que enfrentar el cuadro de dengue de su hija de 19 años. La empatía y el cuidado familiar demostraron, una vez más, desarrollar una nueva herramienta que podría disminuir el impacto de los arbovirus en Tucumán.
Lo más popular
