Un ataque a gran escala pide una respuesta total en todos los frentes, y así es como la humanidad está reaccionando contra la pandemia del SARS-CoV-2, causante de la COVID-19. En la guerra abierta contra este poderoso enemigo, la primera línea de defensa y la más visible es la de la medicina y el personal sanitario. En una segunda línea, en los laboratorios de biología se lucha contrarreloj por conocer los entresijos del virus y encontrar tratamientos o vacunas. Pero en la estrategia contra el coronavirus hay otro frente no menos esencial en nuestra era tecnológica: el Big Data y su procesamiento mediante sistemas de Inteligencia Artificial (IA) y aprendizaje automático son armas esenciales en la batalla contra el virus. Repasamos aquí algunos ejemplos de ello.
Mejora de los modelos epidemiológicos
Los modelos matemáticos son una herramienta indispensable en el seguimiento y la predicción de la evolución de las epidemias, desde que en 1854 el inglés John Snow trazara mapas de Londres y utilizara estadísticas para localizar el foco de un brote de cólera en una fuente pública. Sin embargo, los epidemiólogos insisten en que los modelos no son bolas de cristal para predecir el futuro, sino que ofrecen una comparación entre rangos probables de resultados en función de distintos valores de variables que se introducen como inputs. Pese a todo, su importancia es clave, ya que guían las políticas a adoptar.
Los modelos más clásicos son los denominados SIR (Susceptible-Infectado-Recuperado) o SEIR (añadiendo la categoría de Expuesto). La computación ha permitido desarrollar otros más sofisticados llamados modelos basados en agentes, que pueden simular las interacciones y acciones de millones de personas. Pero incluso con los modelos más complejos, aún son muchas las incógnitas que rodean al nuevo virus. La pandemia ha situado los modelos en el centro del debate científico, por lo que algunos expertos han pedido que todos los códigos se publiquen en fuentes abiertas en repositorios digitales. Diversas instituciones ya lo han hecho, lo que ayudará a la comunidad científica a mejorar los modelos.
Apps de trazado de los contagios
Los primeros éxitos en la contención inicial de la pandemia se han obtenido en lugares donde se ha llevado a cabo un rastreo tecnológico selectivo de las personas contagiadas y un trazado de sus movimientos y sus contactos a través de datos de telefonía móvil, tarjetas de crédito y cámaras de seguridad, en lugar de imponer medidas de confinamiento drástico a toda la población. Un ejemplo es Corea del Sur, un país que, a diferencia de otros, contaba con un plan reciente y actualizado contra epidemias, diseñado tras el brote en 2015 del Síndrome Respiratorio de Oriente Medio (MERS).
El caso de Corea fue elogiado, pero también discutido por cuestiones de amenaza a la privacidad. Sin embargo, y sin minimizar el debate ético, en el resto del mundo han comenzado a surgir iniciativas que tratan de aprovechar este potencial tecnológico. Ya hay numerosas propuestas de este tipo en proceso, y en abril Apple y Google anunciaron la creación conjunta de un sistema que funcionará en iOS y Android por Bluetooth. Aunque estas nuevas aplicaciones son menos invasivas que la opción coreana, anónimas, de carácter voluntario y no informan a las autoridades, aún se discuten los posibles conflictos de privacidad. Pero además, los expertos se preguntan si contribuirán a crear alarma injustificada.
IA para ayudar a los investigadores a encontrar los estudios más relevantes
La gravedad de la pandemia ha impulsado un crecimiento explosivo de los estudios científicos sobre el virus y su enfermedad. Según la revista Science, desde enero se han publicado más de 23.000, una cifra que se dobla cada 20 días. La base de datos CORD-19, un proyecto promovido por el Instituto Allen en colaboración con otras instituciones, trata de reunir todo lo publicado; pero con sus más de 63.000 registros, la avalancha sería del todo inabarcable para los científicos. Es por ello que CORD-19 cuenta con un sistema de búsqueda por IA personalizable para que cada científico pueda encontrar las investigaciones más relevantes a sus intereses. Otras plataformas como COVIDScholar persiguen fines similares, y Scite.ai ayuda a los científicos a saber si los estudios han sido validados o no por otros posteriores.
Máquinas que buscan tratamientos
Dado que los posibles nuevos fármacos contra la COVID-19 deberán esperar años, numerosos investigadores trabajan en una vía que puede ser más inmediata: el reposicionamiento de medicamentos ya existentes, aprobados para otras indicaciones, que puedan mostrar alguna eficacia contra el SARS-CoV-2. El remdesivir, el único fármaco que hasta ahora ha confirmado algún potencial, fue creado contra otro virus, el ébola, por lo que era un claro candidato. Diversos equipos de investigación están ensayando otros posibles tratamientos basándose en sus mecanismos de acción conocidos o en sus interacciones con proteínas del virus. Pero ¿cómo identificar otros posibles tratamientos prometedores cuando nada de lo que se conoce sobre dichos compuestos sugiere una posible acción contra el virus?
Los científicos están empleando redes neuronales para identificar posibles interacciones entre proteínas del virus y fármacos ya existentes. Para ello se emplean sistemas como AlphaFold de DeepMind, basado en redes neuronales, que predice la estructura en 3D de las proteínas del SARS-CoV-2. A partir de estos modelos puede realizarse un virtual docking, una predicción de su interacción física con medicamentos. Esto no dice nada sobre potenciales efectos beneficiosos de cara al tratamiento; esas interacciones virtuales deberán primero confirmarse en el laboratorio para después estudiar sus consecuencias en la biología del virus y del propio organismo. Pero estas pistas ya han identificado un buen número de posibles compuestos candidatos en los que varios grupos están trabajando.
Datos para predecir el comportamiento del virus o sus efectos
La inmensa cantidad de datos científicos que se está recopilando en todo el mundo es un tesoro de valor inapreciable para desentrañar los secretos del virus y su enfermedad. El COVID Human Genetic Effort es un consorcio internacional en el que participan decenas de centros de todo el mundo, y que reúne datos genéticos de los pacientes para tratar de identificar por análisis computacional qué variantes génicas podrían asociarse con un curso más grave de la enfermedad o, por el contrario, con una infección asintomática. Algo similar persigue la COVID-19 Host Genetics Initiative. Por su parte, investigadores de la Universidad de Toronto (Canadá) han reunido y analizado datos sobre más de 375.000 casos confirmados de COVID-19 de 144 regiones distintas del mundo para determinar si hay diferencias en el comportamiento del virus según la latitud, temperatura y humedad ambiental, una de las grandes incógnitas de la pandemia. Los resultados indican solo una posible sensibilidad leve del virus a la humedad.
Javier Yanes
Comentarios sobre esta publicación