SciELO - Scientific Electronic Library Online

 
vol.37 número3Desafíos en la atención de los pacientes con cáncer durante la pandemia COVID-19Brote de COVID-19 en un albergue del perú índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Revista Peruana de Medicina Experimental y Salud Publica

versión impresa ISSN 1726-4634

Rev. perú. med. exp. salud publica vol.37 no.3 Lima jul-sep 2020

http://dx.doi.org/10.17843/rpmesp.2020.373.5704 

Cartas al Editor

Inteligencia artificial como apoyo a intervenciones no farmacológicas para combatir la COVID-19

Artificial intelligence as a support for non-pharmacological interventions against COVID-19

Iván E. Mujica Rodríguez 1   , Biólogo/a
http://orcid.org/0000-0002-1292-2569

Luz M. Toribio Salazar 2   , Biólogo/a
http://orcid.org/0000-0002-2818-4521

Daniel F. Cóndor Cámara 1   3   , enfermero magíster en Informática Biomédica en Salud Global
http://orcid.org/0000-0001-7131-6537

1 Unidad de Informática Biomédica, Facultad de Salud Pública y Administración, Universidad Peruana Cayetano Heredia, Lima, Perú.

2 Centro de Salud Global, Universidad Peruana Cayetano Heredia, Lima, Perú.

3 Programa de Educación Continua, Facultad de Enfermería, Universidad Peruana Cayetano Heredia, Lima, Perú.

Sr. Editor: La pandemia de la COVID-19 ha afectado a diversos países y para finales de abril alcanzó más de tres millones de casos confirmados 1. Esta enfermedad aún no cuenta con tratamiento ni con vacuna para combatirla, por lo que las intervenciones no farmacológicas adoptadas por los gobiernos son las únicas estrategias para prevenir y controlar esta pandemia 2.

El desarrollo de herramientas tecnológicas basadas en inteligencia artificial (IA) podrían contribuir significativamente en la lucha contra la COVID-19. La IA es la capacidad de una máquina para aplicar funciones cognitivas humanas, como aprendizaje automático (machine learning), aprendizaje profundo (deep learning), procesamiento de lenguajes naturales (natural language processing), visión artificial (computer vision), entre otros, a través del entrenamiento con datos y predicciones computacionales basadas en el reconocimiento de patrones 3.

En este contexto, se realizó una búsqueda bibliográfica de herramientas tecnológicas basadas en IA (al 28 de abril de 2020). Se encontraron 17 herramientas usadas en Holanda, China, India, Canadá y Estados Unidos; los autores agrupamos la información en cinco enfoques que podrían ayudar a combatir esta pandemia: detección temprana, diagnóstico, pronóstico, uso del panel de datos, y tratamiento y control de la COVID-19 (Tabla 1).

Tabla 1 Herramientas de inteligencia artificial usadas para combatir la pandemia de la COVID-19. 

Enfoque Herramienta Institución/empresa País Campo Descripción
Detección temprana de brotes BlueDot BlueDot Canadá ML y NLP Emisión de alerta temprana de brotes y su propagación a entidades gubernamentales
Detección temprana de brotes ProMED ISID EE. UU. ML y NLP Emisión de alerta temprana de brotes a entidades gubernamentales
Detección temprana de brotes HealthMap Boston Children’s Hospital EE. UU. ML y NLP Emisión de alerta temprana de brotes a entidades gubernamentales
Detección temprana de brotes DETECT Scripps Research Translational Institute EE. UU. ML Emisión de alerta temprana basada en rastreo de síntomas por COVID-19 de dispositivos inteligentes (wearable)
Diagnóstico COVID-Net University of Waterloo Canadá DL Diagnóstico de SARS-COV-2 mediante imágenes de rayos X de tórax (CXR)
Diagnóstico CAD4COVID Delft University of Technology Holanda DL Diagnóstico de SARS-COV-2 mediante imágenes de rayos X de tórax (CXR)
Pronóstico Jiang et al. (2020)a New York University y Columbia University EE. UU. ML Pronóstico de desarrollar síndrome de dificultad respiratoria aguda en pacientes con la COVID-19 según su historia clínica
Panel de datos NextStrain GISAID Alemania ML y NLP Seguimiento en tiempo real de la evolución genómica del SARS-COV-2 a nivel mundial
Panel de datos Microsoft Bing’s AI Tracker Microsoft EE. UU. ML y NLP Seguimiento de casos de COVID-19 a nivel mundial en tiempo real
Panel de datos JHU CSSE Johns Hopkins University EE. UU. ML y NLP Seguimiento de casos de COVID-19 a nivel mundial en tiempo real
Tratamiento y control DeepMind Google EE. UU. DL Predicción de estructuras proteicas de SARS-COV-2 a partir de la secuencia genómica
Tratamiento y control DEARGEN DEARGEN Corea del Sur DL Análisis de estructuras moleculares de medicamentos existentes para tratar la COVID-19
Tratamiento y control MEGVII y BAIDU MEGVII y BAIDU China CV Uso de cámaras infrarrojas para detectar la temperatura corporal
Tratamiento y control ROBOTS ORBBEC & colaboradores China ML y CV Robots programados para desinfectar salas hospitalarias, y entregar alimentos y medicamentos a pacientes
Tratamiento y control QR Code (Alipay App) Alibaba China ML y NLP Rastreo de personas mediante aplicativo móvil para evitar la propagación de la COVID-19
Tratamiento y control Camio Camio EE. UU. CV Detecta, alerta e informa el cumplimiento del distanciamiento social a través de cámaras
Tratamiento y control Flytnow FlytBase India CV Uso de drones para monitorear espacios públicos

ML: machine learning. NLP: natural language processing. DL: deep learning. CV: computational vision

a http://dx.doi.org/10.32604/cmc.2020.010691

El primer enfoque abordado fue el uso de IA para la detección temprana de brotes epidémicos mediante un sistema de análisis de búsqueda de términos claves en plataformas digitales, gracias a lo cual se logró enviar la primera alerta global de esta pandemia. El segundo enfoque fue el uso de algoritmos de aprendizaje profundo para diagnosticar la COVID-19, evaluando de manera automatizada imágenes de tomografía de tórax con anomalías características de la infección por SARS-CoV-2. El tercer enfoque fue el pronóstico de pacientes con la COVID-19, con el fin de focalizar la asistencia y planificar la utilización de recursos médicos solo en pacientes críticos; sin embargo, se requirió tener acceso a datos clínicos digitalizados y a un modelo de predicción entrenado. El cuarto enfoque fue la implementación de paneles de datos para visualizar la incidencia de la pandemia en tiempo real y para realizar el seguimiento del genoma del virus en una plataforma mundial donde se comparten las secuencias y sus mutaciones. Por último, el quinto enfoque fue el tratamiento y control de la COVID-19; por el lado del tratamiento, con el uso de algoritmos computacionales de búsqueda se identificaron rápidamente, entre millones de estructuras moleculares, posibles fármacos candidatos que podrían contribuir al desarrollo de un medicamento o vacuna para combatir la pandemia; y por el lado del control, se implementaron tecnologías de visión artificial (cámaras infrarrojas para detectar la temperatura corporal, sistemas de reconocimiento facial para verificar el uso de mascarillas y el cumplimiento del distanciamiento social), se diseñó un sistema de código QR para el seguimiento de casos y, en su sentido más amplio, se utilizaron diversos campos de la IA e ingeniería para la creación de robots para la limpieza, desinfección y cuidados médicos, a fin de minimizar el contacto entre los pacientes y el personal de salud.

El uso de la IA para ayudar a combatir la pandemia debe ser considerado como apoyo a las intervenciones no farmacológicas. Algunos estudios han demostrado que la IA ofrece una precisión diagnóstica similar a la de los profesionales, siendo aún más rápida y barata que las pruebas estándares 4. En contraste, el uso de herramientas computacionales para identificar candidatos a fármacos o vacunas para el tratamiento no es provechoso, pues las predicciones de estructuras no se han podido verificar experimentalmente y necesitan ser validadas por ensayos clínicos 5.

La principal limitante del uso de herramientas de IA es la paradoja de muchos/pocos datos, es decir, grandes cantidades de datos de baja confiabilidad; además está el derecho a la privacidad de datos 3 , 6. Conociendo las fortalezas y limitaciones de las herramientas tecnológicas basadas en IA, estas deberían ser desarrolladas y aplicadas bajo modelos rigurosos para combatir esta pandemia.

El Perú es el segundo país latinoamericano con mayor número de infectados 1; frente a ello, el gobierno peruano ha promovido la creación de herramientas tecnológicas para combatir la COVID-19, como diseños de vacunas, fármacos, dispositivos de salud, vigilancia epidemiológica y diagnóstico; sin embargo, son pocos los que incluyen modelos de IA o aún están en desarrollo 7.

En conclusión, la IA tiene el potencial de ser una herramienta en la lucha contra la COVID-19, aunque aún no tenga un papel importante en los diversos enfoques. Conociendo las limitantes del uso de la IA, los gobiernos deberían considerar su uso para el seguimiento y la detección de los casos, sobre la base de los campos de aprendizaje automático y visión artificial como una herramienta a corto plazo que no requiera una rigurosa alimentación de datos. En el contexto nacional el uso de herramientas basadas en IA está escasamente desarrollado; por ello el gobierno debería continuar promoviendo la generación de nuevas herramientas basadas en IA para ser consideradas intervenciones que ayuden a combatir la pandemia.

REFERENCIAS BIBLIOGRÁFICAS

1. World Health Organization. Coronavirus disease 2019 (COVID-19) Situation Report-101 [Internet]. Ginebra: WHO; 2020 [citado el 2 de mayo de 2020]. Disponible en: https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200430-sitrep-101-covid-19.pdf. [ Links ]

2. Ebrahim SH, Ahmed QA, Gozzer E, Schlagenhauf P, Memish ZA. Covid-19 and community mitigation strategies in a pandemic. BMJ [Internet]. 2020 [citado el 4 de junio de 2020];368:m1066. Disponible en: https://doi.org/10.1136/bmj.m1066. [ Links ]

3. Paranjape K, Schinkel M, Panday RN, Car J, Nanayakkara P. Introducing artificial intelligence training in medical education. JMIR Med Educ [Internet]. 2019 [citado el 4 de junio de 2020];5(2):e16048. Disponible en: https://doi.org/10.2196/16048. [ Links ]

4. Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. Peer J [Internet]. 2019 [citado el 4 de junio de 2020];7:e7702. Disponible en: https://doi.org/10.7717/peerj.7702. [ Links ]

5. Vamathevan J, Clark D, Czodrowski P, Dunham I, Ferran E, Lee G, et al. Applications of machine learning in drug discovery and development. Nat Rev Drug Discov [Internet]. 2019 [citado el 4 de junio de 2020];18(6):46377. Disponible en: https://doi.org/10.1038/s41573-019-0024-5. [ Links ]

6. Panch T, Szolovits P, Atun R. Artificial intelligence, machine learning and health systems. J Glob Health [Internet]. 2018 [citado 4 de junio de 2020];8(2):020303. Disponible en: https://doi.org/10.7189/jogh.08.020303. [ Links ]

7. El Peruano. Empresas crean plataformas de inteligencia artificial para controlar el Covid-19 en centros laborales [Internet]. Lima: El Peruano; 2020 [citado el 4 de junio de 2020]. Disponible en: https://elperuano.pe/noticia-empresas-crean-plataformas-inteligencia-artificial-para-controlar-covid19-centros-laborales-95618.aspx. [ Links ]

Financiamiento: Autofinanciado.

Citar como: Mujica Rodríguez IE, Toribio Salazar LM, Cóndor Cámara DF. Inteligencia artificial como apoyo a intervenciones no farmacológicas para combatir la COVID-19. Rev Peru Med Exp Salud Publica. 2020;37(3):582-4. doi: https://doi.org/10.17843/rpmesp.2020.373.5704.

Recibido: 02 de Mayo de 2020; Aprobado: 10 de Junio de 2020

Correspondencia: Iván E. Mujica Rodríguez; Av. Honorio Delgado 430, Urb. Ingeniería, San Martín de Porres. Universidad Peruana Cayetano Heredia. Facultad de Salud Pública y Administración; ivanmujicarodriguez2@gmail.com.

Contribución de autores:

IEMR y LMTS contribuyeron igualmente en la concepción de la idea para el artículo y en la revisión crítica de bibliografía. DFCC contribuyó en la revisión y asesoría técnica. IEMR, LMTS Y DFCC participaron en la redacción y aprobación de la versión final.

Conflicto de interés:

Los autores declaran no tener conflicto de intereses.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons