Enfrentando el Covid-19 con Inteligencia
Cuando recién entrábamos en la Pandemia del Covid-19 – como sucede en cualquier situación inesperada en la que nos encontremos – nos podíamos guiar por elementos bastante generales, como la localización del virus en el mundo, las principales formas de contagio, y lógicamente nuestras acciones tomaban en cuenta estos elementos y se podían tomar de forma masiva: cerrar fronteras, identificar los núcleos geográficos del contagio, tomar precauciones en los grupos sociales más expuestos; cuando los contagiados son una proporción pequeña de la sociedad puedes aislarlos, y el realizar seguimiento a cada caso y hacer traza de contactos tomando acciones específicas es la forma más lógica de reaccionar (ver en el siguiente cuadro la aplicación de Contact Tracing en diferentes países). Lógicamente todo lo anterior es acompañado de comunicación masiva y del establecimiento de protocolos, los cuales siguen afinándose progresivamente, de forma que el grueso de la población pueda tanto protegerse a sí misma (mediante el aislamiento, el distanciamiento social y la aplicación de los protocolos)
A estas alturas, sin embargo, el escenario es diferente, el virus se ha diseminado y lo tenemos en todas partes, es por ello que ahora el enfoque es diferente, tenemos generalmente estrategias que se aplican de forma segmentada y geolocalizada.
Sabemos que para gestionar una estrategia debemos basarnos en indicadores, es decir: El Elemento más importante de la ejecución de una Estrategia es la información que sobre ella manejamos, y como elemento principal de la ejecución buscamos la identificación y seguimiento de Indicadores Críticos de Gestión (KPIs), en ese sentido el haber identificado el factor de crecimiento ( R ) y hacerle seguimiento y el permitir el acceso a la data de forma pública (Open Data) han sido avances importantísimos para permitir que Analistas como Ragi Burghum, https://opencovid-peru.com/, Marco Loret de Mola, o expertos en Management Estratégico como Ivan Arrieta (Stratego) puedan hacer aportes públicos en base al seguimiento de la información disponible.
Como veníamos diciendo, el escenario en este momento ya es diferente y mucho más complejo que antes. En la actualidad el contagio es masivo y vemos que muchas veces las iniciativas tienen un efecto opuesto al deseado, ello nos indica indirectamente de la existencia de factores no observados, o que no son adoptados con la relevancia requerida y es por ello que tenemos que prestarles atención especial, porque finalmente son los que determinan el nivel de contención o de expansión del virus, de hecho en una situación como la actual hay factores evolutivos, la OMS actualiza cada mes los vectores conforme se va obteniendo más información. En este contexto Tenemos diferentes factores que pueden agudizar la situación o favorecerla y la mayoría de ellos permanece oculta, tomemos por ejemplo los factores sociales, países con cultura latina (Italia, España o Latinoamérica en general) donde es evidente que existe una cultura menos estricta en el cumplimiento de normas, el impacto es más alto; sociedades con mayor sobrepeso o con hábitos alimenticios pobres son fuertemente golpeados; la densidad de una ciudad; la congregación de personas; etc.
La complejidad radica en que tenemos por un lado un número indeterminado de factores y por el otro que la combinación de dichos factores dificulta mucho el identificar la relvancia que tiene cada uno por separado. En general los gobiernos han decidido trabajar con un número observable – y por lo tanto limitado – de indicadores, como pueden ser el número de Muertes, infectados, curados, etc. lo limitante de esta visión es que estamos actuando en función de los efectos, en lugar de hacerlo en relación a las causas. Es decir que muchos de los indicadores permanecen ocultos y generan respuestas impredecibles a las diferentes acciones que se ejecutan. Peor aún cuando en muchos casos los datos que se han compartido públicamente por diferentes instituciones muchas veces no parecen corresponder entre sí. Cada uno de estos factores incide en la evolución de la Pandemia y en el resultado final de cualquier estrategia que busque contenerla. Si tenemos mal los datos no podemos gestionar la estrategia de forma correcta.
Un ejemplo simple de lo que permite contar con mas información a todo nivel: en el Perú la primera ayuda económica tomó datos de SUNAT y RENIEC, si no tenías movimiento en SUNAT por 24 meses y eras mayor a los 18 años calificabas, para la segunda ayuda cruzaron datos también con registro civil y nivel socioeconómico (utilizando la dirección) en este caso lógicamente el apoyo fue mucho mas enfocado.
(Diagrama de Ruta Causal: Fuente: https://www.tandfonline.com/doi/full/10.1080/01944363.2020.1777891)
Por ejemplo, muchas veces no se toma en cuenta si una ciudad tiene un mayor o menor índice de sobrepeso, o un mayor cumplimiento de los protocolos, o la densidad y conectividad de los habitantes, su medio de transporte, el hacinamiento de su vivienda, el acceso al agua potable, a la disponibilidad de servicios de salud, o si tienen o no refrigeradora en su hogar por lo cual deben salir a comprar con mayor frecuencia, de la misma forma en que a nivel de la personas que han sido infectadas debemos prestar atención a sus precondiciones, tales como la diabetes, hipertensión y obesidad. El mapeo geolocalizado de los diferentes indicadores y su seguimiento a lo largo de la evolución de la enfermedad nos pueden brindar información sumamente útil que puede ayudarnos desde la prevención hasta el propio tratamiento.
De hecho al analizar el mapa causal observamos que se forman bucles que retroalimentan una causa con otra, el analisis de la situación requiere un enfoque sistémico.
(ver: https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(20)30069-9/fulltext)
Con el enfoque genérico que la mayoría de países ha aplicado en una primera etapa todos entramos en el mismo saco y prácticamente lo único que nos diferencia es el lugar en el que vivimos, al medir en función de los resultados obtenidos tenemos 2 semanas de desfase, que es el tiempo en que el virus manifiesta sus síntomas y vamos dando pasos con información que siempre está retrasada, en lugar de hacerlo de forma proactiva, apuntando a lo que causa o genera mayor incidencia, además la información cambia rápidamente, de hecho hace poco han descubierto que el Covid puede sobrevivir en ciertas superficies hasta 3 semanas, cuando antes pensaban que eran 2 días. (https://www.goodhousekeeping.com/health/a34360986/how-long-does-coronavirus-last-surfaces/)
Aplicando Inteligencia (Artificial)
Está claro que el problema que buscamos solucionar no puede apoyarse en los métodos tradicionales, la información disponible y la combinación de factores es demasiado compleja para utilizar el simple razonamiento, trabajamos con mucha información y tenemos que tomar decisiones rápidas. El párrafo anterior corresponde perfectamente con un contexto en el cual quienes trabajamos en el Emprendimiento Digital ya estamos habituados, la tecnología disponible hoy en día no solo es capaz de lidiar con gran capacidad de datos y combinaciones, sino que de hecho necesita de ellas.
La pregunta entonces que salta es: cómo aplicamos la tecnología en el establecimiento de Políticas de Salud.
En términos generales el sistema centralizado de Salud debe contar con un repositorio de datos que puedan ser explotados, no solamente la data pública, sino también la que incluye información personal y georeferenciada, la que por razones evidentes debe mantenerse de forma privada, pero accesible al equipo de análisis de datos, quienes pueden apoyarse en las diferentes tecnologías y técnicas que utiliza la Ciencia de Datos:
- Herramientas Analiticas y de Business Intelligence
Permiten encontrar correlaciones entre los diferentes datos, encontrar focos de infección, factores que influyen de forma directa en la diseminación de la infección, además encontrar factores de riesgo por zonas, hábitos, niveles de cumplimiento de protocolos, etc.
- Inteligencia Artificial / Machine Learning
En diferentes países ya se está utilizando la Inteligencia Artificial, por ejemplo para la predicción y prevención como podemos ver en el siguiente cuadro. La aplicación del modelo XGBoost por ejemplo, que en función a 3 indicadores principales fue capaz de medir con un 90% de precisión la severidad y el ratio de mortalidad en pacientes. Este tipo de información en el momento correcto nos permite tomar decisiones más acertadas aprovechando mejor la información disponible.
Facebook ha utilizado un “modelo autoregresivo neural” para realizar proyecciones en la diseminación del Virus en USA y colabora actualmente con autoridades europeas. (https://ai.facebook.com/blog/using-ai-to-help-health-experts-address-the-covid-19-pandemic/ )
En este contexto existen diferentes formas de aplicar la Inteligencia Artificial, especialmente en el estudio de traza de contactos, el diagnóstico, desarrollo de curas y en la predicción y prevención.
Los algoritmos que conocemos como “Algoritmos Supervisados” nos permiten realizar pronósticos en función a un conjunto de indicadores, por ejemplo, si ingresamos a un sistema de IA un conjunto de parámetros correspondientes a diferentes zonas geográficas y los relacionamos a los resultados obtenidos estadísticamente en esas zonas el algoritmo es capaz de identificar en qué proporción interviene cada uno de los factores, dicho en sencillo, si ingresamos por ejemplo datos de Densidad de vivienda, Nivel Socioeconomico, incidencia de sobrepeso, movilidad de habitantes, etc. y por el otro lado ingresamos la proporción de infectados, un algoritmo de regresión nos puede decir cual de estos factores es el que afecta más el resultado y en qué proporción, siguiendo el ejemplo podríamos darnos cuenta por ejemplo de que la densidad de tu vivienda tiene 10 veces más importancia que el distrito en el que te encuentras (el ejemplo no es real). A nivel particular es decir al medir la evolución de la enfermedad en pacientes, su aplicación nos permite identificar los factores Endógenos (como las precondiciones de salud del paciente) y Exógenos (como las condiciones en que vive) que inciden en la gravedad de cada caso, comprender la proporción en que lo hacen y actuar en base a ello.
Todo comienza con la información, lo más importante ahora es recoger la data adecuada para poder utilizarla mediante las herramientas descritas antes, no podemos perder un segundo en ello, de la calidad de la información que tenemos depende la capacidad de recuperarnos. Existen iniciativas como MIDRC (https://www.midrc.org) que se encargan de la recolección de datos de forma centralizada, y sirven como un repositorio para en análisis y desarrollo de algoritmos de Inteligencia Artificial.
Necesitamos contar con un equipo de Élite que busque, organice, procese y analice la información, y que el resultado del análisis llegue rápidamente a quienes toman las decisiones.
