Modelos capaces de prever la propagación de patógenos, algoritmos que monitorean quejas de salud en las redes sociales y el uso de big-data y aprendizaje automático para acelerar el descubrimiento de fármacos fueron algunos de los temas abordados en seminario organizado por FAPESP y Global Research Council
¿De qué manera fueron desarrollados los modelos que previeron la propagación y la evolución de la Covid-19 en el mundo? ¿Es posible crear algoritmos inteligentes capaces de anticipar y evitar nuevas pandemias? ¿Cómo proteger de las fake-news esas nuevas herramientas de IA orientadas para el sistema de salud? ¿Qué contribuciones puede dar la IA para optimizar el descubrimiento de fármacos? Estos fueron algunos de los temas tratados en el webinario "Inteligencia Artificial y Covid-19?, realizado a principios de octubre.
Realizado por FAPESP en alianza con Global Research Council (GRC), el evento fue moderado por Roberto Marcondes, profesor titular del Instituto de Matemáticas y Estadística de la Universidad de San Pablo (IME-USP) y miembro de la Coordinación Adjunta del Programa de Centros de Investigación, Innovación y Difusión (CEPIDs) de FAPESP. Entre los ponentes estuvieron Solange Rezende, del Instituto de Matemáticas e Informática (ICMC-USP), en San Carlos; Alexandre Chiavegatto Filho, de la Facultad de Salud Pública (FSP-USP); Wagner Meira Junior, del Instituto de Ciencias Exactas de la Universidad Federal de Minas Gerais (ICEx-UFMG) y Carolina Horta Andrade, de la Facultad de Farmacia de la Universidad Federal de Goiás (FF-UFG).
En su presentación, Rezende contó cómo, en 2020, cuando se sabía muy poco sobre la dinámica de la pandemia, su grupo trabajó en enriquecer modelos predictivos. Esto se hizo mediante la incorporación, en las bases de datos, de información recabada de noticias de medios, reportajes, boletines, redes sociales y otras fuentes.
Para recolectar la información de interés en los textos seleccionados, el grupo recurrió a la herramienta de inteligencia artificial denominada “extractor de actividades nominadas”, que utiliza reglas que permiten reproducir, de cierta manera, las preguntas clásicas del buen periodismo: ¿Quién? ¿Qué? ¿Cuándo? ¿Dónde?
“Las noticias, recopiladas en plataformas altamente selectivas y protegidas de noticias falsas, fueron rastreadas todo el tiempo. Y la extracción permitió naturalizar los términos encontrados e identificar, georreferenciar y relacionar los hechos. Con esto, establecer los patrones de evolución de las curvas de contagio. Construimos modelos, ajustados diariamente, con una previsión de lo que pasaría en los próximos siete días”, dijo el investigador (leer más en: agencia.fapesp.br/32902/).
Chiavegatto Filho se ocupó del aprendizaje automático. Y cómo los algoritmos inteligentes pueden contribuir a la gestión de la salud, haciendo predicciones y guiando decisiones para evitar una nueva pandemia.
Según el investigador, esto podría hacerse de dos formas complementarias. El primero rastreando las redes sociales. “A la gente le gusta quejarse en las redes sociales. Y los algoritmos pueden monitorear quejas anómalas en ciertas regiones y en ciertos momentos. En 2019, por ejemplo, se detectaron una gran cantidad de quejas relacionadas con problemas respiratorios en la región de Wuhan de China. Pero, lamentablemente, el asunto no se tomó en serio en ese momento ", dijo.
La segunda forma es monitorear los sistemas de salud para saber qué tipos de pacientes están llegando y con qué frecuencia a las unidades de atención. “Descubrir síntomas inesperados permitiría identificar la posible aparición de una nueva enfermedad”, explicó.
Meira Junior recordó que un tema muy complejo en el caso del COVID-19 fue el de las fuentes de datos. El tema se politizó y polarizó rápidamente en las redes sociales, con la difusión de noticias falsas y denuncias de informes insuficientes o supernotificación de casos.
El investigador de la UFMG presentó tres criterios que deben orientar la calidad de los modelos. “La primera, caracterizada por la expresión 'justicia algorítmica', es que los modelos no pueden discriminar ni sesgar. El segundo es la "responsabilidad algorítmica". ¿Quién o qué es responsable de un eventual error? El tercero es la 'transparencia algorítmica', que permite a los profesionales de la salud comprender lo que surge del modelo y les permite decidir mejor".
Teniendo en cuenta estos criterios, enfatizó la necesidad de rehacer los sistemas actuales.
En la cuarta y última conferencia del webinar, Andrade abordó el descubrimiento de nuevos fármacos a través de la inteligencia artificial. El objetivo es acortar y abaratar un proceso que tradicionalmente es extremadamente caro y puede tardar hasta 15 años o más. “Por cada conjunto de 10.000 compuestos considerados en la etapa inicial, solo se aprueba efectivamente un medicamento. Y las inversiones necesarias para poner un medicamento en el mercado se estiman entre US$ 2 mil millones y US$ 13 mil millones ”, informó.
La inteligencia artificial puede ayudar en distintas etapas. Por ejemplo, en la planificación y diseño de moléculas. “Recientemente, a través de la inteligencia artificial, se pudo diseñar, sintetizar y validar un nuevo fármaco en tan solo 46 días”, dijo Andrade.
Como punto de partida, los repositorios públicos como PubChem y ChEMBL ya cuentan con una formidable base de datos, con informaciones químicas y biológicas de más de 100 millones de compuestos, cada uno con al menos una actividad biológica reconocida. “Con el aprendizaje automático supervisado, es posible utilizar estos datos para crear modelos que se puedan validar estadísticamente. Y, eventualmente, sirve para predecir nuevas moléculas”, resumió la investigadora.
El seminario “Inteligencia artificial y COVID-19” está íntegramente disponible online. Y puede ser accedido en: www.youtube.com/watch?v=vKJMuWz2IpA.
Traducción Programa INFOCIENCIA