El Big data es una herramienta importante para luchar contra las pandemias. Ya había demostrado su utilidad para frenar la extensión del ébola en África. Ahora permite tomar mejores decisiones para controlar el COVID-19. Lo explican Anette Hosoi, decana asociada de la Escuela de Ingeniería del MIT, y Ali Jadbabaie, JR East Professor en el Departamento de Ingeniería Civil y Ambiental y director asociado del Instituto de Datos, Sistemas y Sociedad (IDSS), también del MIT, en una conversación liderada por Juncal Arbelaiz, investigadora doctoral en el MIT.
Big data y problemas de la sociedad
El IDSS es un sistema que utiliza el Big data para entender problemas que afectan a la sociedad. El sistema se nutre de datos. La Universidad John Hopkins, o el New York Times, los han puesto a disposición del público. Gracias a esa iniciativa, el IDSS ha podido emplearlos para plantear posibles soluciones al COVID-19. Los datos permiten estudiar la pandemia desde distintas ópticas. También ayudan a predecir cuándo se va a producir la siguiente oleada. Además, contribuyen a que podamos entender cuáles son los mecanismos físicos de transmisión del virus. O que impacto económico puede tener.
El coronavirus, de hecho, es un problema multifacético. En el confluyen datos, procesos biológicos, mecanismos de transmisión, aspectos económicos y sociales. Pero el propio COVID, por su naturaleza, limita las posibilidades de atacar el problema. Gracias al Big data, sin embargo, es posible diseñar políticas para las universidades, las ciudades, los estados, etc. Además, su utilización permitió que se pudiera reaccionar de forma inmediata.
Crecimiento exponencial
El principal desafío que ha habido que afrontar es el crecimiento exponencial del virus.
El problema es que las trayectorias de propagación de la epidemia son muy sensibles a las hipótesis de partida. Por eso, los cálculos estimativos han sido muy distintos. Lo que han hecho en el IDSS ha sido combinar un modelo mecanicista con una función de base.
El equipo del IDSS que trabaja en el problema es multidisciplinar. Como se trata de una crisis global, hay que trabajar conjuntamente. La propagación de la enfermedad, por ejemplo, es un problema de fluidos. Por tanto, se necesitaba contar con alguien experto en mecánica de fluidos. Esa persona fue Anette Hosoi. También hay investigadores que llevan años estudiando la propagación de las epidemias. En fin, se trata de tener amplitud de miras y de conocimientos. Gracias a ello, y al Big data, el equipo puede entender qué está pasando y por qué.
Big data y simulaciones
El contexto en el que trabajan en esta crisis no es el ideal. Lo normal es contar con un grupo de tratamiento y otro de control. Pero, en este caso, no es posible hacerlo. Ahora bien, lo que sí se puede hacer es aprovechar experiencias distintas. Y eso es posible porque los países han tomado decisiones diferentes frente al COVID. Gracias a eso, el IDSS pudo crear una versión sintética de Estados Unidos. A partir de ella se puede simular que pasaría si se toma tal o cual decisión. Por ejemplo, se puede analizar que hubiera pasado si Estados Unidos hubiera seguido la misma política que la India. También se puede estimar cuántas vidas se salvan si se toman medidas antes.
El Big data, además, permite medir la movilidad y vincularla con la propagación del virus.
Esto es posible estudiando, por ejemplo, los datos que aporta Google. Cuando se establece esa relación entre movilidad y propagación es posible diseñar las políticas adecuadas para cada cultura. Estados Unidos tiene un sistema político muy descentralizado y las políticas deben adaptarse a ello. Corea del Sur, en cambio, ya tenía experiencia con el SARS y se ha adaptado rápidamente al COVID. Además, por su cultura, allí ha sido posible imponer el distanciamiento social de forma estricta. Entender estas diferencias es importante para diseñar las políticas adecuadas. El Big data es una herramienta fundamental para conseguirlo.
Pautas de propagación
El Big data también permite reducir los problemas a pautas que se pueden explicar a quienes tienen que adoptar decisiones. Es el caso de la propagación del COVID en una población. Cuando una persona lo contrae es asintomática, pero los demás no lo saben. Ese es un elemento de mucha importancia en la expansión del virus. ¿Cómo frenarla? Se puede hacer limitando el número de contagios mediante mascarillas, distanciamiento social, confinamiento. Pero también puede hacerse identificando a las personas que portan el virus para que no contagien a otras. El proceso puede acelerarse con pruebas médicas y con el análisis de las relaciones e interacciones de cada persona contagiada.
El Big data es la herramienta para llevar a cabo ese análisis. Con ello, se puede detectar a las personas que tiene el virus y confinarlas. Esto es muy importante para frenar la expansión del COVID porque la mayor parte de la gente es asintomática. De hecho, ya se sabe que las personas con más contactos tienden a contagiarse antes. Por eso, las primeras cifras sobrevaloraban los contagios y las muertes. Ahora la propagación va más despacio porque llega a personas con menos contactos. Este conocimiento puede transformarse en decisiones políticas.
El impacto de las mascarillas
Otro ejemplo es el análisis de la utilidad de las mascarillas para frenar la expansión del virus. Supongamos una persona contagiada que está hablando con otra a un metro de distancia. Con el Big data se puede calcular cuantas partículas va a ingerir esa otra persona y la probabilidad de contagio. Con esa información se pueden cuantificar los mecanismos de propagación y el impacto de usar mascarillas. La solución es buena porque basta con que, en cada interacción, solo una persona la lleve.
Acceda a la conferencia completa
