Inteligencia Artificial y Covid-19: ¿Serán las máquinas las que nos salven?

WASHINGTON (The Washington Post).- Hace unos seis meses, cuando la pandemia comenzó a acelerarse, AJ Venkatakrishnan alimentó una computadora con los datos genéticos de 10,967 muestras del nuevo coronavirus. Venkatakrishnan, científico de datos formado en la Universidad de Stanford, no tenía una hipótesis en particular, pero esperaba que la inteligencia artificial detectara posibles debilidades del virus que pudieran explotarse para desarrollar terapias contra la enfermedad.

Pero se quedó asombrado cuando el software informó que uno de los segmentos del ADN nuevo virus —el péptido "RRARSVAS"— era distinto al de los coronavirus anteriores. Esa secuencia, se enteró luego, imita una proteína que ayuda a regular el equilibrio de sal y líquidos en el cuerpo humano.

Venkatakrishnan, director de investigación científica Nference, una empresa emergente de inteligencia artificial, se preguntó si esa diferencia no hacía que el virus actúe como una especie de caballo de Troya. ¿Sería esa la explicación de su gran contagiosidad y elevados índices de transmisión? Y dado que el sodio es un factor determinante para la presión arterial, ¿sería también la razón por la que los enfermos cardiovasculares desarrollan los cuadros más graves de Covid-19?

"Fue una sorpresa, un hallazgo completamente accidental", recuerda Venkatakrishnan. "Es simplemente lo que detectó la máquina".

La pandemia genera diariamente millones de gigabytes de datos —el equivalente a una modesta biblioteca—, tanto de registros médicos como de información de pacientes infectados. Resultados de análisis de sangre. Edad, raza. Pruebas genéticas. Tratamientos aplicados. Evolución del paciente. Desenlace. Ahora, 10 meses después del primer brote y con ayuda de inteligencia artificial, los científicos están empezando a poner orden y establecer conexiones en esa maraña de cifras y palabras, y eso también los conduce a nuevas teorías sobre el virus y cómo frenarlo.

Si bien el cerebro humano solo puede procesar una determinada cantidad de datos a la vez, las máquinas son expertas en encontrar patrones sutiles en inmensas masas de datos, y los científicos de datos están apuntando los cañones de la Inteligencia Artificial (IA) contra los mayores enigmas del coronavirus: por qué la enfermedad es tan diferente en niños y adultos, qué hace que algunas personas sean "supercontagiadores" mientras que otras no transmiten el virus en absoluto, y otros aspectos del virus de los que todavía sabemos poco y nada.

El laboratorio de modelos proyectivos de la Universidad Northwestern está realizando simulaciones a gran escala sobre los efectos de las restricciones de viaje y el distanciamiento social en las tasas de contagio. El Laboratorio Nacional de Argonne, perteneciente al Departamento de Energía de Estados Unidos, está utilizando IA para localizar las moléculas más prometedoras para probar posibles tratamientos. En Egipto, están usando IA para contrarrestar la información errónea sobre el coronavirus que circula en idioma árabe.

Jason Moore, director del Instituto Penn de Informática Biomédica de la Universidad de Pensilvania, que está colaborando con el armado de un consorcio internacional de datos sobre el Covid-19, dice que si el virus hubiera atacado hace 20 años, tal vez hubiese sido el fin de la humanidad.

"Pero creo que hoy en día tenemos una chance de dar pelea, gracias a la IA y al aprendizaje de las máquinas", dice Moore.

Computadoras

Ya en abril, una computadora que estaba procesando registros médicos confirmó que la falta de olfato y sabor, síntomas que al principio se habían informado mayormente de manera anecdótica, era uno de los primeros síntomas de infección, un hallazgo que impulsó a los Centros para el Control y la Prevención de Enfermedades de Estados Unidos (CDC) a agregar la anosmia a su lista de síntomas de Covid-19. En junio, una inmersión profunda en la historia clínica de casi 8.000 pacientes de Covid-19 descubrió que, si bien solo unos pocos habían fabricado coágulos sanguíneos graves o catastróficos, casi todos manifestaban cambios preocupantes en la coagulación sanguínea.

Otros investigadores se basaron en el hallazgo de la secuencia genética aberrante hecho por Venkatakrishnan para estudiar cómo se adhiere el virus a las células, y usar ese conocimiento para desarrollar medicamentos que tienen como objetivo reducir la contagiosidad del mismo.

En una actualización de sus investigaciones publicada en septiembre, Venkatakrishnan y sus colegas informaron que el análisis computarizado mostraba que ese "retoque evolutivo" que trae consigo el nuevo coronavirus, responsable de que el sistema inmunitario de los humanos lo identifique como amigo y no como enemigo, ataca mayormente los pulmones y los vasos sanguíneos, hallazgo que viene a confirmar las evidencias clínicas que observan los médicos en los hospitales.

Los aportes iniciales de la IA son prometedores, pero algunos critican que esos esfuerzos para aprovechar los datos de pacientes con Covid-19 no hayan sido coordinados o hayan llegado demasiado tarde. A otros les preocupa que los análisis basados en algoritmos defectuosos o sesgados exacerben las brechas raciales y otras desigualdades en la atención médica.

Uno de los mayores obstáculos es que muchos datos están aislados dentro de sistemas informáticos incompatibles, protegidos por intereses comerciales o enredados en cuestiones geopolíticas. Los investigadores académicos, las sociedades médicas y las empresas privadas han lanzado una serie de iniciativas para sortear esos obstáculos, creando sus propias y enormes bases de registros médicos y otros datos, pero son proyectos que avanzan con gran lentitud.

El mayor de todos ellos, un proyecto a cuatro años de 20 millones de dólares de los Institutos Nacionales de Salud de Estados Unidos y dirigido por el científico Bill Kapogiannis, recién arrojará sus primeros resultados en diciembre, y en el mejor de los casos. Pero Kapogiannis está convencido de que gracias a la potencia de la informática, los tiempos de la ciencia se acortarán.

"El cerebro humano se ve rápidamente desbordado ante tantas permutaciones y recombinaciones de datos", dice Kapogiannis. Pero cuando se aplica IA, se pueden ejecutar innumerables simulaciones al mismo tiempo, enfocándose en lo importante de manera muy rápida y efectiva".

Isaac Kohane, investigador de bioinformática de Harvard, dice que a pesar de todo lo que está en juego, el mundo no se está moviendo lo suficientemente rápido para aprovechar al máximo el contenido de los registros médicos digitalizados y otros datos. Kohane sostiene que "los intereses locales han ralentizado nuestra respuesta nacional".

Al revisar los datos de 96 hospitales en varios países entre el 1 de enero y el 11 de abril, por ejemplo, los científicos encontraron que muchos pacientes tenían lecturas de coagulación de la sangre "realmente fuera de lo común", dice Kohane. Pero debido a la dificultad de consolidar toda esa información, el análisis no se realizó hasta junio, lo que retrasó el uso de tratamientos con anticoagulantes en algunos hospitales. Y le preocupa que esa demora cueste miles de vidas.

"Estamos aprendiendo de los datos, pero el problema es que no aprendemos lo suficientemente rápido", dice Kohane.

The Washington Post

(Traducción de Jaime Arrambide)