El centro tecnológico de Cataluña, Eurecat, ha acogido la presentación del observatorio basado en inteligencia artificial y big data para la prevención de epidemias, coordinado por el Centro de Innovación en Tecnología de Datos e Inteligencia Artificial (CIDAI). Mediante tecnologías digitales avanzadas, y nuevos modelos matemáticos de monitorización y predicción, ayudará a prever, detectar y mitigar futuros brotes epidémicos.
La pandemia del COVID-19 ha puesto de manifiesto la necesidad de detectar con antelación los brotes epidémicos para mejorar los procesos de contención y mitigación. Con este fin, el observatorio epidemiológico analizará datos procedentes de las redes de telefonía móvil, del censo, epidemiológicos, ambientales y meteorológicos, que ayudarán a proporcionar modelos matemáticos mejorados para diseñar estrategias.
La Generalitat de Cataluña -a través del Departamento de Políticas Digitales y Administración Pública y el Departamento de Salud-, el Hospital Germans Trias i Pujol (HGTiP) y la Fundación Lucha contra el Sida (FLS), los centros de innovación e investigación tecnológica y grupos de investigación CIDAI, Eurecat, Barcelona Supercomputing Center, Universidad Rovira i Virgili y Universidad de Girona, y Mobile World Capital Barcelona, con la colaboración de la iniciativa GSMA AI for Impact, han sumado esfuerzos para poner en marcha este proyecto.
Big data para la prevención de epidemias
El observatorio se ubicará en el Hospital Trias i Pujol, y contará con la coordinación científica del doctor Bonaventura Clotet, jefe del Servicio de Enfermedades Infecciosas del HGTiP y presidente de la FLS. La coordinación técnica estará a cargo del CIDAI, creado en el marco de la Estrategia en Inteligencia Artificial del Gobierno de Cataluña, Catalonia.AI.
El primer proyecto de investigación del observatorio, ‘Big Data para la prevención de epidemias’, aplicará tecnología de análisis de big data e inteligencia artificial en información de diversas fuentes con el objetivo de mejorar la comprensión de la propagación de pandemias para poder mejorar la gestión de los recursos públicos de forma anticipada.
En primer lugar, se procederá al cruce de los datos de manera agregada y anonimizada, que en ningún caso implicará trazabilidad o identificación de las personas, y al análisis y extensión de modelos matemáticos para comparar y predecir patrones específicos de epidemias, a partir de la gripe y el COVID-19. Esto permitirá definir un primer modelo epidemiológico, al que se aplicarán técnicas y algoritmos de machine learning de forma posterior.
Finalmente, se construirá una herramienta que integre las diferentes fuentes de datos de forma automática, permitiendo la monitorización de la evolución de una epidemia y la creación de un sistema abierto de apoyo a la toma de decisiones.