El seguimiento epidemiológico es necesario, y la urgencia de estrategias certeras, indiscutida. El mejor ejemplo está al alcance de todos, luego de la experiencia transitada desde 2020, cuando la pandemia por coronavirus asoló al mundo entero. ¿Cómo hacerlo? Un equipo de investigadores de Imdea Networks trabaja en una forma de respuesta: con la lupa puesta en el estudio de los datos móviles, busca crear mapas de riesgo eficientes.
A partir de la emergencia sanitaria, muchos gobiernos abordaron diferentes estrategias de seguimiento de pacientes; aunque, no todas se continuaron. En lo que a la región de América latina y Caribe respecta, por ejemplo, el sector sanitario enfrenta grandes desafíos de innovación informática y de transformación digital para la gestión prestacional. Para dimensionarlo, cabe señalar que una herramienta que podría ser estándar, como es la historia clínica electrónica, aún no lo es.
En la Argentina, por ejemplo, se desarrolla el grupo de Investigación en Salud Pública Argentina sobre Ciencia de Datos e Inteligencia Artificial para la Prevención de Epidemias (ARPHAI, por sus siglas en inglés); una iniciativa científica que, con apoyo del Estado local y entidades de fomento internacional, trabaja en desarrollar herramientas de Inteligencia Artificial y Ciencia de Datos (IAyCD), la implementación de pilotos de la Historia de Salud Integrada (HSI), pero también sobre el uso responsable de los datos. Y, aunque abordan el desarrollo de un tablero de visualización de datos provenientes de la HSI (orientado a los niveles meso de decisión que, su edición piloto trabaja sobre Covid-19, utilizando campos estructurados de la historia clínica y otras fuentes de datos abiertos), no miraron las redes de los operadores de telecomunicaciones.
Pero el proyecto que viene a traer buenas ideas se titula “Mejora de los mapas de riesgo de epidemias utilizando información de movilidad de datos de redes móviles” y lo virtuoso del caso radica en que resultaría una implementación proactiva, pues no aspira a que la población recurra masivamente a una aplicación móvil y que otorgue permisos de geolocalización (con el posible riesgo de ver invadida su privacidad), sino que se propone tomar los datos de la red móvil para detectar posibles hospitalizaciones por Covid-19 a fin de desarrollar mapas de riesgo epidemiológico.
La clave radica en poder identificar y entender la movilidad urbana pero sobre la base de los datos que ya existen en las redes móviles y, por tanto, se pueden realizar acciones preventivas ante posibles escenarios de contagios de patologías como el cólera, virus como el dengue, el zika o la malaria, u otros que pudieran originarse a futuro.
La principal virtud de esta apuesta, realizada por el instituto independiente promovido por la Comunidad de Madrid para realizar investigación en redes de datos, frente al seguimiento de contactos, radica en la celeridad de su implementación, pero también en los estándares de seguridad que se pueden garantizar, al ejecutarse desde la propia infraestructura del operador. “Los datos ya están disponibles en el operador y se avanza más rápido. No hace falta tener activado el GPS y descargada una aplicación”, dijo Elisa Cabana, investigadora Postdoc de Imdea Networks y agregó que “al tener conectados los datos móviles, el dispositivo se conecta a una torre de telefonía que permite identificar tu radio de localización. Y así se estudia la movilidad espacio-temporal de las personas”.
¿Cómo funciona? “Se comprueba la ubicación de un teléfono a última hora de la noche y, si no se conecta a las torres de telefonía habituales a las que lo hacía en la época pre-pandémica, se mira si lo hacía a una torre cercana a un hospital que está recibiendo pacientes con Covid-19. En caso que así fuera, la persona propietaria queda etiquetada como potencialmente hospitalizada”, explicó Nikolaos Laoutaris, profesor investigador del equipo, y agregó que el sistema involucra un sistema de filtros para poder eliminar a los falsos positivos, como puede darse al vivir cerca de un nosocomio o trabajar allí.
Un ejemplo de este abordaje se realizó sobre la base de los datos anónimos de más de dos millones de teléfonos móviles, entre marzo y abril de 2020, disponibles en la red de un operador que ofrece servicios en Londres; y su estudio arrojó que el sistema ofrece un 98,6 por ciento de certeza, en comparación con los registros públicos de las personas que ingresaron a los hospitales.
En la difusión de esta iniciativa, el Instituto explicó que el diseño operativo establece tres fases: en la primera, el grupo de investigación describe al algoritmo necesario para detectar las posibles hospitalizaciones de Covid-19 a partir de los datos existentes en la red móvil y todos los parámetros asociados. Luego, la segunda fase, está dada por la validación de dichos datos, a fin de corroborarlos y, la tercera, involucra un trabajo retrospectivo, es decir, el análisis del patrón de movilidad de cada persona detectada como hospitalizada pero durante las dos semanas anteriores a su día de su internación. El resultado, son “mapas de riesgo dinámicos y detallados que cambian a lo largo del tiempo y, por tanto, captan con mayor precisión la distribución, la evolución y la intensidad de la enfermedad”.
Lo interesante del abordaje radica, por ejemplo, en que los mapas de riesgo permiten analizar visualmente la evolución de una epidemia, pero también colaborar en otras acciones sociales, por el despliegue de políticas sanitarias efectivas. Al respecto, Cabana valoró que “a nivel individual, representar cada área con un color más o menos intenso, que pueda variar en el tiempo, en dependencia de una medida de riesgo, es útil porque puede ayudar a las personas a tomar medidas de protección adicionales, en cada momento y lugar”.
Pero también hay beneficios comunitarios: “Para los equipos de emergencia y los responsables de la toma de decisiones ayudaría a evaluar el nivel de estrés en el sistema de salud, así como la severidad y la intensidad de propagación, y las ventajas o desventajas de ciertas decisiones (uso de mascarilla, cuarentena, vacunación)”, dijo Cabana.
A esta novedad titulada “Mejora de los mapas de riesgo de epidemias utilizando información de movilidad de datos de redes móviles” se la presentará en la trigésima edición de la Conferencia Internacional ACM SIGSPATIAL sobre Avances en Sistemas de Información Geográfica 2022 (ACM SIGSPATIAL 2022), que se desarrollará durante las próximas semanas, en noviembre. Nunca más oportuno.
