Les dades massives i la pandèmia de la COVID-19: què es podria haver fet amb “bones dades”

La gestió de les dades relacionades amb la pandèmia de la COVID-19 ha sigut, “en general en totes les administracions espanyoles”, un “desastre tremend”. Així de contundent és Emilio Soria, catedràtic del departament d’Enginyeria Electrònica de la Universitat de València, en el seu informe ‘COVID-19 y datos: lecciones a tener en cuenta para el diseño del horizonte 2030’, publicat per la Càtedra Prospect Comunitat Valenciana 2030. Soria considera que s’ha donat “poca importància” a tindre dades “netes, de qualitat, centralitzades, amb possibilitats de fer prediccions de manera ràpida, de compartir-les perquè la comunitat científica fera models per a ajudar a prendre decisions”.

Aquest catedràtic és molt crític: “Hem assistit a un espectacle lamentable de xifres que implicaven morts, usos de recursos sanitaris, xifres reflectides d’enquestes fetes sense cap control, models epidemiològics molt precisos, però que fallaven i feien ruboritzar quan eixien les veritables (?) xifres i que ràpidament es van amagar davall de la taula”. A parer seu, amb dades “netes” disponibles per a ser creuades entre si “es podrien haver establit molts sistemes predictius d’ajuda a la decisió funcionant en temps real”.

No obstant això, aclareix que la crítica no es refereix a la metodologia utilitzada ni a la capacitat dels investigadors, ja que “tots han tingut el mateix problema: la falta de quantitat i de qualitat de dades”.

Soria detalla algunes qüestions que es podrien haver desenvolupat amb “bones dades”, amb la quantitat suficient i disponibilitat per a implementar models. Així doncs, explica que es podrien haver posat en marxa eines de predicció de necessitats sanitàries: “No tots els hospitals han notat la mateixa càrrega durant aquests dies; si haguérem tingut dades, es podrien haver plantejat sistemes predictors de necessitats de recursos i, per tant, es podrien haver distribuït els recursos (tant materials com personals) de la millor manera possible”. Com a exemple, apunta que es podrien haver proposat models d’estimació de temps en planta o en UCI per a haver optimitzat aquests recursos hospitalaris, de la mateixa manera que es podria haver fet amb els respiradors.

També s’hauria pogut controlar l’estrés en la població i en els professionals clínics. Sobre aquests últims, apunta: “Conéixer el seu nivell d’estrés podria haver ajudat en gran manera a donar-los suport a ells”. L’anàlisi automàtica de la informació textual també s’hauria beneficiat si hi haguera hagut un millor tractament de les dades, “filtrant tractaments usats amb èxit en altres parts del món o destacant determinades reaccions als fàrmacs usats”, així com la relacionada amb la difusió de la informació per a evitar les notícies falsejades o fake news.

El control de les distàncies en espais i transports públics és un altre dels aspectes que es podrien haver abordat per mitjà de les dades massives (big data) i a un cost de “cap euro”, ja que “hi ha models ja desenvolupats que s’hi podrien haver fet servir”. Igualment pel que fa al desenvolupament d’assistents de veu (chatbots) avançats “com a suport en telefonades al 112 per a complementar els operaris”.

Aquestes aplicacions “no costarien més de dues setmanes a un bon equip de científics de dades amb unes bones dades quant a qualitat/quantitat”, subratlla Soria, que detalla uns quants exemples aplicats en altres països: “Alibaba va entrenar un sistema d’intel·ligència artificial per a reconéixer coronavirus amb una precisió que s’afirma que és del 96%. Segons l’empresa, el sistema podria diagnosticar un coronavirus en 20 o 30 segons”, operació que a un metge “experimentat” li costaria “10 o 15 minuts”. El sistema “ha ajudat, almenys, 26 hospitals xinesos a revisar més de 30.000 casos”.

Amb l’experiència actual, el catedràtic de la Universitat de València té por que estiguem “a punt de perdre el tren”, tenint en compte “el paper que exerciran les dades i la intel·ligència artificial en els pròxims anys”; per això proposa una sèrie de mesures: plantejar una agència de la dada per a evitar que diferents departaments tinguen les dades en diferents formats i sense possibilitat d’anàlisi en temps real; desenvolupar un sistema de formació en intel·ligència artificial i dades; fomentar la creació d’empreses emergents (startups) basades en la intel·ligència artificial; fomentar aquesta tecnologia en regions deprimides i en aplicacions pròpies per a salut pública o agricultura i ramaderia; i, sobretot, provar de ser pioners en intel·ligència artificial.