El dengue sigue sin dar tregua en América. “Entre las semanas epidemiológicas 1 y 44 del 2024, se reportaron un total de 12.479.437 casos sospechosos (incidencia acumulada de 1.307 casos por 100.000 habitantes). Esta cifra representa un incremento de 204% en comparación al mismo periodo del 2023, y del 381% con respecto al promedio de los últimos cinco años”, indica el Informe Epidemiológico emitido por el Ministerio de Salud de la Argentina el 9 de diciembre.
Hasta fines de noviembre se notificaron en la Argentina 13.647 casos sospechosos de dengue, de los cuales 195 fueron confirmados (180 sin antecedentes de viaje), de acuerdo con el Boletín. Y señala un dato nada menor: “Desde la semana 42 hasta la 47 se observa un aumento progresivo en la detección de casos confirmados de dengue”.
Todos los especialistas esperan que haya dengue y mucho, porque además de los antecedentes previos, también lo hay en los países vecinos. Hacia fines de octubre, la ANMAT aprobó el primer kit de detección de dengue desarrollado por científicos del CONICET. Ahora, un equipo interdisciplinario de expertos trabaja en la predicción de brotes a partir de una herramienta de inteligencia artificial. El mapeo permitirá tomar medidas de forma focalizada y anticiparse a la proliferación de casos allí donde las probabilidades matemáticas apunten a un brote. Las medidas se implementarán en la provincia de Buenos Aires a partir de una iniciativa del gobierno bonaerense y la Universidad Nacional de San Martín (UNSAM). El físico e investigador Ezequiel Álvarez, del International Center for Advanced Studies (ICAS) y la Escuela de Ciencia y Tecnología de la UNSAM, es quien está al frente del proyecto, basado en técnicas avanzadas de IA Bayesiana.
Noticias: ¿Cuáles son las características de este tipo de IA?
Ezequiel Álvarez: La Inteligencia Artificial Bayesiana es una clase particular de IA que es muy útil para el análisis cuando uno tiene muchos datos. Este tipo de IA permite ver la estructura interna de los datos y cómo la correlación de estos te aporta información sobre lo que está verdaderamente pasando en las variables que uno no ve. Algo que afecta a los mosquitos es el nivel socioeconómico de las manzanas, que es observable; uno puede saber cuántos mosquitos enfermos hay en una región a partir de la cantidad de enfermos que se reportan. Uno puede ver el clima, la cantidad de enfermos que se reportan, el nivel socioeconómico, cuánta gente fue al hospital, cuánta gente llamó al número 148 de asistencia a la ciudadanía de cada lugar. Pero también tenemos una cantidad de variables que no vemos, como la cantidad de mosquitos en general y el número de mosquitos enfermos que hay en una manzana. Uno no puede tener un número exacto, pero sí es factible obtener una distribución de probabilidad sobre esa variable que se llama variable latente.
Noticias: ¿Y esa IA Bayesiana puede aprender qué variables interesan?
Álvarez: Absolutamente. Cuando empieza a observar cosas como el clima, la cantidad de enfermos, el nivel socioeconómico y cómo eso evoluciona, el sistema aprende cómo las otras variables que no ves van tomando una distribución de probabilidad para explicar mejor las variables observables. Entonces esa relación, esa interrelación entre los datos hace que el aprendizaje automático, el machine learning, pueda aprender las variables que nos interesan. En este caso de una epidemia, lo que nos importa es cuántos mosquitos enfermos hay por manzana o dónde está la mayor cantidad de mosquitos enfermos. Tener estas probabilidades permite tomar decisiones con muchísima anticipación porque vamos a poder saber dónde va a surgir un brote porque nuestra información, nuestro sistema de inteligencia artificial empieza a arrojar adónde es más probable que haya mosquitos enfermos que van a picar a gente que todavía no picaron, porque el mosquito necesita desarrollar la enfermedad en su saliva.
Noticias: ¿Qué datos le resultan útiles al sistema?
Álvarez: Tenemos dividido la Región Metropolitana de Buenos Aires (AMBA) en hexágonos de tres manzanas. Y observamos el clima y el pronóstico del mismo con diez días de anticipación, la historia del clima, la temperatura, la cantidad de llamadas al 148. La geolocalización de cada uno de los casos reportados, porque entonces a partir de la distribución espacial y temporal de estos casos, podemos distinguir la probabilidad de que haya correlación entre casos que están cercanos en el espacio y en el tiempo, lo cual es más probable que sea un brote de dengue. Por eso necesitamos saber de qué lugar son, la densidad de habitantes de ese lugar, la cantidad de gente que se ha reportado con síntomas y que son sospechosos y que están en el Sistema Nacional de Vigilancia Sanitaria, el nivel socioeconómico de cada manzana, la historia de ese lugar con anterioridad. No es lo mismo un hexágono que está cubierto de personas que poseen mosquiteros y aires acondicionados, o que viven en edificios entre los cuales no hay casi espacios verdes ni piletas ni macetas al que le pueda caer agua, que un lugar mayormente poblado de casas donde tal vez tienen baldes afuera. Con todo esto, el sistema de IA hace un mapa de distribución de dónde están los lugares más fecundos para que se desarrolle la enfermedad.
Noticias: La herramienta es fundamentalmente preventiva...
Álvarez: Sí, el objetivo de esto es obtener los brotes de dengue antes que ocurran. Este es un proyecto que es mitad investigación y mitad de aplicación, con lo cual va desarrollándose. Lo empezamos en septiembre, hemos utilizado la información del año pasado y ahora estamos usando la información que viene on stream, aquella que viene llegando. Todavía no hubo ningún brote en el AMBA, pero empezamos a tener indicios de brotes. La idea es que se puede anticipar de diversos modos. Uno de ellos, no listo todavía porque es parte del desarrollo, es cuando tengamos la distribución de mosquitos infectados en el AMBA. Y otro modo, que es el que sí estamos utilizando ahora, es un sistema basado en diferenciar personas que verdaderamente están en un brote de dengue, de lo que llamamos fondo o background, que son aquellas que tienen síntomas pero que es probable que no tengan dengue.
Noticias: ¿Cómo es eso?
Álvarez: Por la distribución geográfica y con la información que mencioné antes, tenemos un método que permite distinguir la probabilidad de que gente que reporta síntomas sospechosos sea de brote y gente que sea de background. Y esencialmente, una de las maneras más potentes es puramente matemática, porque uno sabe que los brotes están localizados en el espacio. Porque hay una correlación de casos sospechosos en lugares cercanos en el espacio y también cercanos en el tiempo. Son técnicas para distinguir señal de fondo o background, las mismas que utilizamos los físicos en el trabajo que hacemos para buscar partículas elementales en el Gran Colisionador de Hadrones. En este caso, lo que logramos es confeccionar un mapa sobre la distribución probabilística de los brotes.
Noticias: Hay una mala idea generalizada de que la inteligencia artificial todo lo puede.
Álvarez: La inteligencia artificial no hace magia, es una herramienta probabilística, tanto en el chat GPT como en este caso de análisis de datos, y lo que nosotros hacemos es dar una estimación probabilística de la evolución de la pandemia, tanto de los brotes como de la evolución general o los traspasos de casos de unas manzanas a otras. Esto significa que nosotros podemos dar una anticipación de lo que se espera de acá a 10 días, pero desde lo probabilístico. Jamás sería posible hacer una anticipación que tenga que ver con una familia de Lanús que se va a comer un asado a San Martín, se contagian todos y se llevan el dengue a Lanús, eso es imposible que podamos anticiparlo. Lo que hacemos es una versión probabilística, pero que es lo suficientemente detallada como para que el gobierno de la provincia de Buenos Aires pueda tomar acciones de política pública, que ya están empezando a tomar, en función de los resultados que obtenemos. Así que en ese sentido está funcionando y va a funcionar cada vez mejor porque le vamos incorporando nuevas herramientas y vamos desarrollando mejor la parte de matemática e inteligencia artificial, porque el mismo modelo va aprendiendo, pero también nosotros vamos aprendiendo, porque somos humanos implementando algoritmos de inteligencia artificial.
Para que la herramienta funcione se necesitan datos. “Por el volumen de datos que se necesitan en la provincia de Buenos Aires, es el Estado el que los puede recabar, porque tiene la atención primaria, la red de articulación de salud, los recursos humanos e informacionales para poder responder ante una epidemia”, señala Pablo Palmaz, subsecretario de Relaciones Interinstitucionales de la UNSAM. “Necesitamos mucha articulación de datos públicos. Se requieren datos de distintas partes del Estado y eso tiene que estar súper aceitado para que funcione bien. Es en tiempo real, todos los días”.
El equipo de Álvarez aportará el dato. Luego, la decisión política de respuesta dependerá del Ministerio de Salud. “Lo más importante en el dengue es el descacharreo -concluye Palmaz-. Es la manera de cortar la epidemia. Se van a hacer acciones casa por casa. Si entendés dónde está pasando, podés hacer un operativo de descacharreo en determinada zona. No es solo dar vuelta una cubierta con agua: es ocuparse de las rejillas, de la limpieza, entre otras cosas".
Galería de imágenes
Comentarios