Inteligencia artificial y coronavirus: m¨¢s ¡®hype¡¯ que realidad (por ahora)

Las alertas tempranas de brotes de enfermedades epid¨¦micas pueden ayudar a salvar vidas. A finales de 2019, el sistema automatizado, basado en IA, BlueDot gener¨® una alerta sobre casos de neumon¨ªa no identificada en la ciudad china de Wuhan. El sistema, que analiza las noticias y los informes de las redes sociales, calific¨® la gravedad de la alerta en el nivel 3, sobre un m¨¢ximo de 5, es decir no detect¨® la extrema importancia del brote. La inteligencia humana fue fundamental para evaluar la gravedad del brote y provocar as¨ª la respuesta de la comunidad internacional algunos d¨ªas m¨¢s tarde.

Otros sistemas, como por ejemplo Metabiota, tambi¨¦n detectaron el brote. Estos sistemas usan algoritmos que se basan en detectar palabras clave en textos on-line pero no llevan a cabo un an¨¢lisis sem¨¢ntico profundo del contenido de los textos y por este motivo son poco robustos. Es decir que pueden confundirse f¨¢cilmente, por este motivo siempre es necesario involucrar personas el proceso de an¨¢lisis y toma de decisiones. De hecho, tanto en BlueDot como en Metabiota los an¨¢lisis de los datos se llevan a cabo por equipos formados por personas y m¨¢quinas. La IA es sin duda ¨²til como herramientas de ayuda para encontrar patrones ocultos en los datos, pero son los expertos humanos los que pueden relacionar y contextualizar estos patrones con otras fuentes de informaci¨®n y, obviamente, con sus conocimientos sobre el tema.

Por otra parte, unas horas antes del aviso de BlueDot, Marjorie Pollack, epidemi¨®loga y editora de ProMed (Programa de Monitoreo de Enfermedades Emergentes) ya hab¨ªa detectado, sin la ayuda de la IA, la posibilidad del brote y moviliz¨® a un equipo de expertos para investigarlo. ProMed emiti¨® un informe, mucho m¨¢s detallado que el de BlueDot, aproximadamente 30 minutos despu¨¦s de la alerta de ¨¦ste. Es decir que algunas informaciones en el sentido de que fue una IA quien primero detect¨® este brote no son del todo correctas. Una vez m¨¢s, el hype alrededor de la IA esconde la realidad.

Adem¨¢s de la predicci¨®n, otras actuaciones en las que la IA puede jugar un rol, siempre formando equipo con personas, son el diagn¨®stico y su tratamiento, en particular los esfuerzos para encontrar una vacuna. Por ejemplo, DeepMind ha desarrollado el sistema AlphaFold, capaz de predecir la estructura 3D de prote¨ªnas con una precisi¨®n superior a otras t¨¦cnicas computacionales existentes. El objetivo es resolver el problema del plegamiento de prote¨ªnas (protein folding problem). Es un problema muy complejo ya que la combinatoria, es decir las posibles maneras que una prote¨ªna se puede plegar en el espacio 3D, es astron¨®mica. Conocer la estructura de una prote¨ªna es importante ya que su funci¨®n depende de su estructura y eso, aplicado al coronavirus, podr¨ªa contribuir a encontrar una vacuna eficaz. En cualquier caso llevar¨¢ tiempo disponer de sistemas de diagn¨®stico y vacunas realmente eficaces.

Lamentablemente, ya es tarde para que la IA nos salve del actual coronavirus. Pero hay muchas posibilidades de que juegue un papel muy importante en la predicci¨®n, diagn¨®stico, tratamiento y seguimiento de futuras epidemias. Pero la IA actual tiene el problema de necesitar enormes cantidades de datos para funcionar y estos datos deben proceder de fuentes confiables por lo que ser¨¢ necesario que los centros sanitarios compartan sus datos, siempre respetando al m¨¢ximo la privacidad de los pacientes. Adem¨¢s estos datos tambi¨¦n deber¨¢n compartirse entre los pa¨ªses ya que los virus no operan dentro de los l¨ªmites de las fronteras geopol¨ªticas.

Si realmente queremos responder mejor ante futuras pandemias, los pa¨ªses deber¨¢n llegar a acuerdos internacionales para compartir datos en tiempo real sobre diagn¨®sticos y admisiones hospitalarias, que luego podr¨ªan incorporarse a modelos de pandemias basados en IA a escala global. Tambi¨¦n ser¨¢ necesario disponer de mejores sistemas de IA basados en t¨¦cnicas m¨¢s sofisticadas.

Por ejemplo t¨¦cnicas de an¨¢lisis del lenguaje que incorporen el an¨¢lisis sem¨¢ntico y otras t¨¦cnicas de aprendizaje autom¨¢tico, como el aprendizaje no supervisado, que permite que un sistema de IA identifique sus propios patrones en lugar de entrenarlo con ejemplos preseleccionados, o el aprendizaje por transferencia y analog¨ªa que permiten aprovechar conocimientos adquiridos resolviendo problemas anteriores para resolver m¨¢s r¨¢pidamente un problema nuevo que sea similar. Por ejemplo, aprovechar lo aprendido sobre el actual coronavirus para predecir, diagnosticar, monitorizar y tratar mejor y m¨¢s r¨¢pidamente el siguiente, evitando que la IA deba partir pr¨¢cticamente de cero.

Aprovechar al m¨¢ximo la IA requerir¨¢ datos confiables, nuevas t¨¦cnicas, tiempos de reacci¨®n r¨¢pidos y coordinaci¨®n inteligente entre muchas personas y pa¨ªses diferentes. Desafortunadamente, son requerimientos extraordinariamente dif¨ªciles de cumplir pero, sin duda, merece la pena intentarlo.

Ramon L¨®pez de M¨¢ntaras Badia es director del Instituto de Investigaci¨®n en Inteligencia Artificial del CSIC