Por Nuria Oliver y José Alberto Conejero Casares (*)
Sin embargo, hoy en día disponemos de datos sobre la progresión del coronavirus (número de casos, de hospitalizaciones, de ocupación en las unidades de cuidados intensivos, de fallecidos…) y sobre el comportamiento humano gracias a la ubicuidad de los móviles (movilidad humana).
Esta información tiene un gran valor para ayudarnos a entender no sólo dónde estamos, sino también por qué. Además, nos permite predecir la posible evolución de la curva pandémica bajo distintos potenciales escenarios de medidas de confinamiento.
Ciencias de datos contra la covid-19
Motivados por las oportunidades –mayoritariamente no aprovechadas hasta ahora– que nos brindan los algoritmos de inteligencia artificial aplicados a los datos relativos a la pandemia, desde marzo de 2020 hemos estado colaborando estrechamente con el Gobierno de la Comunitat Valenciana. El resultado es una iniciativa pionera y única a nivel internacional: el grupo de Ciencias de Datos en la lucha contra covid-19.
Nuestro trabajo durante estos casi 2 años se ha estructurado en cuatro grandes líneas:
- El modelado de la movilidad humana a gran escala.
- Los modelos epidemiológicos computacionales.
- Los modelos predictivos de ocupación hospitalaria y UCI.
- Ciencia ciudadana a través de una macroencuesta ciudadana llamada covid-19 impact survey. Con más de 700 000 respuestas, es una de las mayores del mundo. Nos ha permitido entenderel impacto de la pandemia en la vida de las personas.
Un reto global: el Pandemic Response Challenge
En este contexto, cuando la Fundación XPRIZE y la empresa tecnológica Cognizant organizaron en noviembre de 2020 el Pandemic Response Challenge, un reto mundial sobre uso de la inteligencia artificial para apoyar la toma de decisiones públicas durante la pandemia, no dudamos en participar.
La Fundación XPRIZE es una reconocida organización sin ánimo de lucro que lanza llamamientos mundiales con el objetivo de buscar soluciones tecnológicas para afrontar algunos de los más grandes retos de la humanidad. Una de las competiciones vigentes está financiada por Elon Musk y ofrece 100 millones de euros a proyectos para promover la descarbonización del planeta.
Desde diciembre de 2020 a marzo de 2021, más de una centena de equipos de todo el planeta competimos en un contexto de innovación abierta. El objetivo era doble:
- En primer lugar, el desarrollo de sistemas de inteligencia artificial basados en el aprendizaje a partir de datos para predecir el número de casos de covid-19 en 236 países y regiones del mundo, a 180 días en el futuro y teniendo en cuenta las medidas adoptadas en cada uno de esos países y regiones.
- En segundo lugar, el uso innovador de métodos de inteligencia artificial capaces de prescribir o recomendar medidas que los gobiernos y otros organismos públicos pudiesen aplicar para contener la pandemia. Debían tener el equilibrio óptimo entre su coste económico y social y el número de infecciones de covid-19 resultante si se aplicaran dichas medidas.
Predicción de la evolución de la pandemia
Nuestro equipo, llamado Valencia IA4COVID, está formado por 14 investigadores e investigadoras de universidades y centros de investigación de la Comunitat Valenciana. Para sorpresa de muchos, fuimos declarados vencedores mundiales de esta competición. Ha sido la primera vez que un equipo español gana una competición organizada por la Fundación XPRIZE. ¿En qué consistieron nuestros modelos ganadores?
En la primera fase del reto, propusimos una nueva arquitectura de redes neuronales profundas, que son modelos muy potentes de aprendizaje automático. Estos modelos nos permiten predecir con flexibilidad y adaptabilidad la diversidad de dinámicas temporales en la evolución del número de casos confirmados de coronavirus en 236 países y regiones del mundo.
Este modelo predictivo funcionó muy bien durante la competición. Predijo con gran precisión el número de casos de covid-19 en cada uno de los 236 estados y regiones.
Pero lo más importante es que compartimos las predicciones de este modelo con la Generalitat Valenciana a partir de la tercera ola de infecciones a finales de diciembre de 2020. Esto ayudó en la toma de decisiones de políticas públicas para combatir la pandemia, especialmente en un momento crítico en que el número de casos no paraba de aumentar y la presión hospitalaria era preocupante dado que la vacunación acababa de comenzar.
Evaluación previa de las medidas
En la segunda y fase final del reto, tuvimos que crear un sistema experto que permitiera mostrar 10 escenarios posibles de aplicación de medidas de contención de la pandemia, su efecto en las curvas de contagios y su coste. Así, un gobierno o institución podría tener una visión de qué efecto (aumento o descenso) tendría en el número de contagios al endurecer o relajar ciertas medidas restrictivas impuestas a la población.
Para ello realizamos un análisis del espacio de todas las posibles políticas de medidas que se podrían aplicar cada día. Consideramos 12 tipos, incluyendo intervenciones para reducir la movilidad, fomentar el teletrabajo, cerrar colegios y universidades, así como limitar la actividad económica, los eventos multitudinarios o las reuniones familiares. Este análisis se pudo hacer gracias a que la Universidad de Oxford había recogido de manera sistemática qué medidas estaban activas en cada uno de los 236 países o regiones del mundo desde el inicio de la pandemia.
Descubrimos para nuestra sorpresa que, independientemente de la evolución de la pandemia en una región o país, la aplicación sostenida de una determinada combinación de medidas daba lugar a un mismo ritmo en el crecimiento o decrecimiento en el número de casos.
El espacio con todas las posibles combinaciones de intervenciones aplicadas durante 180 días suponía evaluar varios billones de combinaciones posibles. Para reducir dicho conjunto de escenarios, muestreamos dicho espacio y diseñamos un algoritmo que priorizaba las medidas según su impacto en el número de casos, algo que pudimos determinar gracias al uso de algoritmos de aprendizaje automático.
Nuestra solución, además, es muy eficiente computacionalmente. Es capaz de identificar las posibles medidas en un tiempo muy inferior al tiempo máximo permitido durante la competición.
Esta experiencia es un ejemplo inspirador de colaboración entre la comunidad científica, la Administración pública y la ciudadanía, para conseguir abordar mejor el inmenso reto planteado por la pandemia. Juntos, sin duda, somos no solo más fuertes, sino también más innovadores, inclusivos y resilientes.
(*) Nuria Oliver es Directora de la Fundación ELLIS Alicante y profesora honoraria de la Universidad de Alicante, Universidad de Alicante; y José Alberto Conejero Casares es director del departamento de Matemática Aplicada. Universitat Politècnica de València, Universitat
