El 'big data' y la pandemia de la COVID-19: qué se podría haber hecho con “buenos datos”

La gestión de los datos relacionados con la pandemia de la COVID-19 ha sido, “en general en todas las administraciones españolas” un “tremendo desastre”. Así de contundente se muestra Emilio Soria, catedrático del departamento de Ingeniería Electrónica de la Universitat de València, en su informe 'COVID-19 y datos: lecciones a tener en cuenta para el diseño del horizonte 2030', publicado por la Cátedra Prospect Comunitat Valenciana 2030. Soria considera que se le ha dado “poca importancia” a tener datos “limpios, de calidad, centralizados, con posibilidades de hacer predicciones de forma rápida, de compartirlos para que la comunidad científica realizara modelos para ayudar en la toma de decisiones”.

Este catedrático se muestra muy crítico: “Hemos asistido a un espectáculo lamentable de cifras que implicaban muertos, usos de recursos sanitarios, cifras reflejadas de encuestas realizadas sin ningún control, modelos epidemiológicos muy precisos pero que fallaban de forma sonrojante cuando salían las verdaderas (¿?) cifras y que rápidamente se escondieron debajo de la mesa”. En su opinión, con datos “limpios” disponibles para ser cruzados entre sí “se podrían haber establecido muchos sistemas predictivos de ayuda a la decisión funcionando en tiempo real”.

No obstante, aclara que la crítica no se refiere a la metodología utilizada ni a la capacidad de los investigadores, ya que “todos ellos han tenido el mismo problema: la falta de cantidad y calidad de datos”.

Soria detalla algunas cuestiones que se podrían haber desarrollado con “buenos datos”, con la cantidad suficiente y disponibilidad para implementar modelos. Así, explica que se podrían haber puesto en marcha herramientas de predicción de necesidades sanitarias: “No todos los hospitales han sentido la misma carga en estos días; si hubiéramos tenido datos se podrían haber planteado sistemas predictores de necesidades de recursos y, por lo tanto, se podrían haber distribuido los recursos (tanto materiales como personales) de la mejor manera”. Como ejemplo, apunta que se podrían haber propuesto modelos de estimación de tiempo en planta o en UCI para haber optimizado estos recursos hospitalarios, y lo mismo se podría haber hecho con los respiradores.

También se hubiera podido controlar el estrés en la población y en los profesionales clínicos. Sobre estos últimos apuntaba: “Conocer su nivel de estrés podría haber ayudado en gran manera a darles soporte a ellos”. También se hubiera beneficiado de un mejor tratamiento de los datos el análisis automático de la información textual, “filtrando tratamientos usados con éxito en otras partes del mundo o destacando determinadas reacciones a los fármacos usados”, así como el relacionado con la difusión de la información para evitar las noticias falsas o fake news.

El control de las distancias en espacios y transportes públicos es otro de los aspectos que se podrían haber abordado por medio del 'big data' y a un coste de “cero euros”, ya que “existen modelos ya desarrollados que podrían haberse usado”. Y algo similar con el desarrollo de chatbots avanzados “como apoyo en llamadas al 112 para complementar a los operarios”.

Estas aplicaciones “no costarían más de dos semanas a un buen equipo de científicos de datos con unos buenos datos en cuanto a calidad/cantidad”, subraya Soria, quien detalla algunos ejemplos aplicados en otros países: “Alibabá entrenó un sistema de inteligencia artificial para reconocer coronavirus con una precisión que se afirma es del 96%. Según la empresa, el sistema podría diagnosticar un coronavirus en 20 o 30 segundos”, una operación que a un médico “experimentado” le costaría “10 ó 15 minutos”. El sistema “ha ayudado al menos a 26 hospitales chinos a revisar más de 30.000 casos”.

Con la actual experiencia, el catedrático de la Universitat de València teme que estemos “a punto de perder el tren”, teniendo en cuenta “el papel que van a jugar los datos y la inteligencia artificial en los próximos años”, por lo que propone una serie de medidas: plantear una agencia del dato para evitar que diferentes departamentos tengan los datos en diferentes formatos y sin posibilidad de análisis en tiempo real; el desarrollo de un sistema de formación en inteligencia artificial y datos; fomentar la creación de startups basadas en la inteligencia artificial; fomentar esta tecnología en regiones deprimidas y en aplicaciones propias para salud pública o agricultura y ganadería; y, sobre todo, intentar ser pioneros en inteligencia artificial.