Métodos inteligentes para mejorar la prevención de enfermedades
El cambio climático y el desplazamiento mundial de personas y mercancías han aumentado el riesgo de amenazas de enfermedades. La pandemia de COVID-19 también puso de manifiesto la necesidad de mejorar los sistemas de vigilancia e inteligencia epidemiológica para la detección precoz, el seguimiento y la evaluación de las enfermedades infecciosas emergentes. Un reto fundamental es que los sistemas actuales de vigilancia de enfermedades se basan en datos recopilados de forma rutinaria, como la vigilancia pasiva, para controlar la aparición y propagación de enfermedades y diseñar respuestas adecuadas. Los nuevos métodos que incorporan la inteligencia artificial (IA), el aprendizaje automático y el análisis de datos masivos procedentes de diversas fuentes podrían ayudar a mejorar la preparación al comprender mejor los factores que impulsan la aparición de las enfermedades y permitir el desarrollo de modelos más precisos.
Respuesta a las amenazas de enfermedades infecciosas
Un buen ejemplo de ello es el proyecto financiado con fondos europeos MOOD(se abrirá en una nueva ventana). Mediante la recopilación y extracción de datos utilizando el aprendizaje automático, esta iniciativa ha desarrollado una plataforma digital única diseñada para impulsar la capacidad de Europa de detectar y responder a las amenazas de enfermedades infecciosas a través de un enfoque de «Una sola salud». «Nuestro objetivo era poner herramientas complejas de ciencia de datos y modelización directamente en manos de quienes investigan y evalúan riesgos para tomar decisiones de salud pública con base científica», explica la coordinadora del proyecto, Elena Arsevska, del Centro de Investigación Agronómica para el Desarrollo Internacional(se abrirá en una nueva ventana) (CIRAD) (Francia). El equipo de MOOD empleó métodos matemáticos, estadísticos y de ciencia de datos en la infraestructura de la plataforma, e integró algoritmos de aprendizaje automático para generar mapas de riesgo predictivo de enfermedades. Además, el consorcio incorporó la herramienta PADI-web, que utiliza el procesamiento del lenguaje natural para escanear, extraer y analizar automáticamente información relacionada con enfermedades a partir de medios de comunicación en línea para apoyar la vigilancia basada en acontecimientos.
Ciencia de datos para modelos predictivos
El resultado final es una plataforma(se abrirá en una nueva ventana) de acceso abierto que reúne datos ambientales, climáticos, de distribución de hospedadores y de enfermedades. El objetivo es ayudar a los profesionales de la salud pública y animal a tomar decisiones más rápidas y mejor informadas sobre las amenazas de enfermedades emergentes. Por ejemplo, la plataforma ofrece en la actualidad resultados de cartografía del riesgo de enfermedades para diversos microorganismos patógenos, como el virus del Nilo Occidental, la encefalitis transmitida por garrapatas en humanos, la gripe aviar en aves y la resistencia a los antimicrobianos en animales destinados a la producción de alimentos. «En el futuro añadiremos más enfermedades a la plataforma, en función de las necesidades europeas», afirma Arsevska. Más de veinte instituciones asociadas de Europa y los Estados Unidos colaboraron estrechamente para garantizar que la plataforma respondiera a las necesidades del mundo real, es decir, del usuario final. «La fuerza de MOOD no reside solo en la tecnología, sino en su aplicación», señala Arsevska.
Repercusiones reales en las estrategias de salud pública
El equipo del proyecto llevó a cabo estudios de casos concretos para demostrar la repercusión real de la plataforma en las estrategias de salud pública. Cada estudio incorporó la integración de datos, la modelización predictiva y la perspectiva de «Una sola salud», que refleja la interdependencia de la salud humana, animal y ambiental. En estos estudios de casos se abordaron enfermedades infecciosas que representan diferentes vías de transmisión, dinámicas temporales y distribución geográfica en toda Europa en el contexto del cambio climático. Por ejemplo, los investigadores de MOOD demostraron que los datos sobre hábitat, uso del suelo y fauna salvaje pueden mejorar la cartografía de riesgos a nivel local en Europa para la encefalitis transmitida por garrapatas. En el caso del virus del Nilo Occidental, el equipo combinó datos de vigilancia basados en indicadores y eventos para trazar un mapa del riesgo de aparición de la enfermedad y modelizar la fuerza de la infección utilizando datos longitudinales de vigilancia. El estudio de caso sobre la gripe aviar integró la notificación tradicional de brotes con datos genómicos para evaluar los riesgos de transmisión de las aves silvestres a las aves de corral domésticas. También se utilizó para cartografiar los focos de aparición de enfermedades. El estudio de caso sobre la resistencia a los antimicrobianos reveló lagunas críticas en la integración intersectorial de datos, lo que demostró cómo los microorganismos patógenos resistentes en el ganado plantean riesgos desiguales en las distintas regiones. Los resultados pusieron de manifiesto la necesidad urgente de contar con estrategias de vigilancia más coordinadas en el marco de «Una sola salud». Durante la pandemia de COVID-19, los trabajos del equipo de MOOD ayudaron a analizar la propagación del virus, evaluar la repercusión de las restricciones a la movilidad(se abrirá en una nueva ventana) y fundamentar las intervenciones de los organismos de salud pública en Europa. «MOOD contribuyó a la preparación para el futuro reforzando las plataformas de colaboración, los consorcios de investigación y las redes de modelización para fomentar el intercambio de datos y códigos y la colaboración eficaz entre la comunidad científica e investigadora, los responsables de la toma de decisiones y los proveedores de datos», añade Arsevska. Para aprovechar estos resultados y garantizar la sostenibilidad más allá de la vida del proyecto, en MOOD se ha creado una asociación internacional sin ánimo de lucro para mantener y promover la plataforma, al tiempo que se forjan nuevas colaboraciones y se exploran oportunidades de financiación.
