La crisis sanitaria provocada por el COVID-19 ha dejado en evidencia la importancia de contar con datos certeros que ayuden a entender y proyectar la expansión de este virus. Hoy se habla, más que nunca, del conocimiento que pueden aportar el manejo de datos a los sistemas de salud, la genética, la epidemiología y la estadística. Por estos días se menciona como ejemplo a Corea del Sur, donde el manejo de datos y la geolocalización han permitido controlar los contagios de manera eficiente.
En Chile, el Ministerio de Ciencia, Tecnología e Innovación, lideró la conformación de la Mesa de Datos Covid-19. El objetivo es centralizar los datos de contagio del virus en Chile con fines académicos y de investigación, para elaborar proyecciones precisas que permitan tomar decisiones y anticipar políticas públicas basadas en la evidencia.

En esta entrevista, Rolando de La Cruz, profesor de la Facultad de Ingeniería y Ciencias y Director Académico del Magister en Data Science (MDS), nos habla sobre cómo con la tecnología y el procesamiento de grandes cantidades de datos se está enfrentando la pandemia del coronavirus. Una tarea donde también ha cobrado relevancia el trabajo de equipos multidisciplinarios de investigadores y científicos que permitan entender el comportamiento del virus.

¿Cuál es el aporte de la Ciencia de Datos para la investigación de las fases de esta pandemia y sus proyecciones?

En 1854, Londres tuvo un devastador brote de cólera en el barrio Soho, donde en 10 días murieron cerca de 500 personas. John Snow un médico inglés, a quien se le considera el padre de la epidemiología moderna, confeccionó un mapa del sector, en el cual marcó los puntos correspondientes a muertes por cólera y las distintas bombas de agua potable existentes, demostrando gráficamente la relación espacial entre las muertes por cólera y la bomba de Broad Street. Una vez clausurada la bomba de Broad Street, el número de muertes disminuyó y así se confirmó que el origen de la epidemia era la insalubridad del agua y no la polución atmosférica como se planteaba. El trabajo de John Snow, de recoger datos en el terreno y después visualizarlos en un mapa, lo llevó a resolver el problema del brote de cólera y nos dejó una enseñanza de cómo el uso de los datos nos ayudan para plantear preguntas y resolver problemas. En nuestros días vivimos en la era de los datos, la ciencia de datos nos entrega herramientas que permiten conocer desde el estado actual de la pandemia SARS-CoV-2 y pronosticar su evolución futura, fundamental para la toma de decisiones informadas, hasta acelerar el descubrimiento de una vacuna contra el virus o la creación de nuevos fármacos.

¿Es la multidisciplina la clave para enfrentar este tipo de crisis?

El impacto que ha tenido la pandemia SARS-CoV-2 ha sido global, además de lo sanitario, ha sido económico, social, político, logístico, etc. Un plan de contingencia para hacer frente a la pandemia SARS-CoV-2 debe ser multidisciplinaria con decisiones claras.

Países asiáticos como Corea del Sur han estado utilizando nuevas tecnologías y analíticas de Big Data para detectar contagios de coronavirus. ¿Qué nos puedes comentar sobre estos avances, crees que es viable su implementación en países como Chile?

La tecnología y el procesamiento de grandes cantidades de datos para hacer frente al SARS-CoV-2 han sido muy usadas por China y Corea del Sur. Cuando el virus empezó a propagarse por todo el territorio chino, el gobierno se apoyó con el uso de la inteligencia artificial y la ciencia de datos para detectar y rastrear la enfermedad. Han desarrollado un poderoso sistema de vigilancia, no exento de críticas, donde con el uso de cámaras y reconocimiento facial pueden detectar en la calle una persona con fiebre. Desarrollaron un sistema de código QR que indica si una persona si puede salir o no a la calle dependiendo del riesgo de haber estado en contacto con personas infectadas. Alibaba anunció el desarrollo de un algoritmo que usando una radiografía de tórax tiene un 96% de precisión para detectar SARS-CoV-2 en 20 segundos en comparación a un especialista humano que le tomaría al menos 15 minutos.
Por su lado, Corea del Sur también ha usado herramientas de geolocalización para monitorear a las personas con aislamiento domiciliario y posibles contagiados. Chile es un país que tiene capital humano con competencias para usar la tecnología y el análisis de datos para hacer frente a la pandamia. El desarrollo de aplicaciones móviles para el monitoreo de personas infectadas, rápida detección de contagios, identificar zonas de brotes servirían de mucho apoyo a las autoridades en la batalla contra esta pandemia.

¿Que podemos aprender de estos países sobre el uso de datos?

Para entender la dinámica del SARS-CoV-2 el uso de datos ha sido fundamental para el apoyo de las decisiones que han tomado los gobiernos en la búsqueda de contener la propagación de la enfermedad para así evitar el colapso del sistema sanitario, entre otros. Debemos recoger la experiencia que han tenido estos países en el manejo de la pandemia con el uso de información de calidad y oportuna.

¿Cuál es tu visión respecto a la Mesa de Datos convocada por el Gobierno y liderada por el ministerio Ministerio de Ciencia, Innovación y Tecnología?

La iniciativa del Ministerio de Ciencia de organizar y poner a disposición datos para la investigación científica y clínica es una buena noticia. La epidemiología matemática nos entrega una variedad de modelos que son útiles para entender cómo será la propagación del virus en Chile y el impacto de las intervenciones de las autoridades sanitarias y gubernamentales como el aislamiento domiciliario, el distanciamiento social, el cierre de establecimientos educacionales, entre otros. Estos modelos consideran parámetros epidemiológicos que deben ser estimados. Por ello resulta esencial que las autoridades pongan a disposición de la comunidad científica todos los datos de los que disponen. Los datos agregados que publica el Ministerio de Salud son insuficientes. La calidad de los datos es una característica esencial que determina la fiabilidad de los modelos para la toma de decisiones.