Salud
05 de agosto de 2023
La pandemia mundial de COVID-19 nos ha mostrado lo devastadores que pueden ser estos brotes, y podría haber sido mucho peor. Ahora, los científicos han desarrollado una aplicación de inteligencia artificial que promete advertirnos sobre variantes peligrosas en futuras pandemias.
Se llama sistema de detección temprana de anomalías (EWAD, por sus siglas en inglés), y cuando se probó con datos reales sobre la propagación del SARS-CoV-2, fue preciso al predecir qué nuevas variantes de preocupación (VOC, por sus siglas en inglés) surgirían a medida que el virus mutaba.
Científicos de Scripps Research y Northwestern University en Estados Unidos utilizaron un método de aprendizaje automático para desarrollar EWAD. En el aprendizaje automático, las computadoras analizan grandes cantidades de datos de entrenamiento para identificar patrones, desarrollar algoritmos y hacer predicciones sobre cómo esos patrones podrían desarrollarse en escenarios futuros desconocidos.
La inteligencia artificial pudo identificar variantes preocupantes de manera anticipada. (Scripps Research/BioRender.com)
En este caso, la inteligencia artificial recibió información sobre las secuencias genéticas de las variantes del SARS-CoV-2 a medida que las infecciones se propagaban, cuán frecuentes eran esas variantes y la tasa de mortalidad global informada de la COVID-19. El software pudo detectar cambios genéticos a medida que el virus se adaptaba, generalmente reflejados en el aumento de las tasas de infección y la disminución de las tasas de mortalidad.
"Pudimos observar la aparición y el aumento de variantes genéticas clave, a medida que la tasa de mortalidad también cambiaba, y todo esto sucedía semanas antes de que las VOC que contenían estas variantes fueran oficialmente designadas por la OMS", dice William Balch, microbiólogo de Scripps Research.
La técnica específica utilizada por el equipo se llama covarianza espacial basada en procesos gaussianos, que básicamente procesa los datos de un conjunto de datos existentes para predecir nuevos datos, utilizando no solo los promedios de los puntos de datos, sino también las relaciones entre ellos.
Al probar su modelo en algo que ya ha ocurrido y encontrar coincidencias cercanas entre los datos reales y los datos predichos, los científicos pudieron demostrar la efectividad de EWAD para predecir cómo las medidas como las vacunas y el uso de mascarillas podrían hacer que un virus siga evolucionando.
"Una de las grandes lecciones de este trabajo es que es importante tener en cuenta no solo algunas variantes prominentes, sino también decenas de miles de otras variantes no designadas, a las que llamamos 'materia oscura de las variantes'", dice Balch.
Los investigadores afirman que sus algoritmos de inteligencia artificial pudieron identificar "reglas" de evolución viral que de lo contrario habrían pasado desapercibidas, y que podrían ser vitales para combatir futuras pandemias a medida que surjan.
No solo eso, sino que el sistema desarrollado aquí también podría permitir a los científicos entender más sobre los aspectos fundamentales de la biología de los virus. Esto, a su vez, podría utilizarse para mejorar tratamientos y otras medidas de salud pública.
"Este sistema y sus métodos técnicos subyacentes tienen muchas posibles aplicaciones futuras", dice el matemólogo Ben Calverley de Scripps Research.
La investigación ha sido publicada en Cell Patterns.
