Las Olimpiadas celebradas el año pasado en Río de Janeiro (Brasil) serán recordadas por muchas cosas. Como, por ejemplo, que estuvieron bajo la amenaza del Zika, un virus transmitido por las picaduras de un mosquito. La Organización Mundial de la Salud llegó a emitir una declaración sobre los riesgos para los atletas y las medidas preventivas que podían adoptarse. En ese momento no había una forma precisa de predecir dónde iba a surgir el próximo brote de la enfermedad, pero ahora sí. Eso es lo que ha logrado Rainier Mallol, cuyo avance le ha convertido en uno de los 35 ganadores de Innovadores menores de 35 Latinoamérica 2017 de MIT Technology Review en español.

La epidemiología médica estudia los patrones de aparición y expansión de las enfermedades infecciosas, pero siempre a posteriori. De este estudio pueden inferirse las condiciones que propician los brotes, y por ello es posible identificar las zonas tienen un mayor riesgo debido a sus características. La plataforma de Mallol va un paso más allá. Gracias al análisis detallado de grandes volúmenes de datos por un algoritmo de inteligencia artificial (IA), su herramienta es más poderosa y rápida que los expertos humanos. Pero además, puede predecir con gran precisión la probabilidad de que surja un brote en un lugar concreto con tres meses de antelación. Es la epidemiología médica con inteligencia artificial, o AIME, por sus siglas en inglés.

"El proyecto actualmente se centra en tres enfermedades transmitidas por mosquitos: el dengue, el Zika y Chikungunya", aclara Mallol. En el caso del dengue, la eficacia alcanzada supera el 88%. Para realizar este cálculo, Mallol alimentó su plataforma con datos históricos a partir de los cuales realizó las predicciones. Después sólo tuvo que comparar sus resultados con los brotes que efectivamente sucedieron a los tres meses. Contar con este nivel de precisión con ese margen de antelación permitiría a las autoridades hacer un uso más efectivo de los recursos, como orientar de una manera más eficaz las campañas de fumigación.

Tras haber realizado estudios pilotos en Brasil y Filipinas, AIME ha llegado a un acuerdo con el Gobierno del estado malayo de Penang para utilizar su plataforma. "Cada caso reportado por los médicos en los centros de salud es digitalizado y reportado de manera inmediata al sistema; un subsistema recopila datos relacionados con el caso de otras fuentes (NASA, Google, tiempo atmosférico, etcétera), hasta un total de 246 variables", explica Mallol. Con estos datos, entre los que se encuentra el domicilio del afectado y la fecha del primer síntoma, el modelo de IA actualiza su predicción de porcentaje de riesgo de generar un brote (dos o más casos en un área de 400 metros en 14 días) para cada ubicación.

Foto: captura del mapa generado por AIME con las predicciones para la capital malaya.

Además del mapa de predicciones, la plataforma genera un panel de control en el que se visualizan, en tiempo real, varias analíticas estratégicas, como el historial total de casos, rangos de edad de los afectados, trasfondo étnico y síntomas presentados, por citar unos ejemplos. "En 2016 cuatro científicos tardaron prácticamente un año en mapear todos los casos de 2014, agrupados por meses; con la IA ese trabajo se hizo en tres horas", presume el joven dominicano.

Mallol está en trámites con el Gobierno federal de Malasia para adoptar la tecnología a nivel nacional, así como extenderse a otros países del sureste asiático, una de las regiones del mundo más afectadas por este tipo de enfermedades. El ganador de Innovadores menores de 35 Chile 2016 Eduardo Castro, director científico de Aperiomics y miembro del jurado de Innovadores menores de 35 Latinoamérica 2017, valora positivamente el hecho de que la innovación de Mallol ya haya sido probada en varios lugares de todo el mundo. Incluido Río de Janeiro.

Por Maximiliano Corredor