COVID-19: Seguimiento, privacidad de datos y números correctos

Crédito: CC0 Public Domain

A medida que surgen planes para reabrir negocios, comunidades y escuelas, se vuelve cada vez más importante comprender mejor cuántas personas están siendo infectadas y morir de COVID-19, y dónde y cómo se transmite el nuevo coronavirus.

En las Conversaciones de Berkeley del miércoles: evento COVID-19 dirigido por el Premio Nobel Saul Perlmutter, director del Instituto de Ciencias de Datos de Berkeley y profesor de física, tres profesores de Berkeley abrieron diferentes ventanas a lo que están descubriendo sobre cómo rastrear y limitar la propagación de COVID-19. También discutieron qué datos necesitan para aprender más y cómo podemos usar técnicas como el cifrado de datos para mejorar nuestra comprensión mientras protegemos la información privada.

Los presentadores incluyeron a Jacob Steinhardt, profesor asistente de estadística, Uros Seljak, profesor de física y miembro principal del Instituto de Ciencias de Datos de Berkeley (BIDS) y Shafi Goldwasser, profesor de ingeniería eléctrica y ciencias de la computación y director del Instituto Simons para la Teoría de la Computación.

Steinhardt ha evaluado los beneficios relativos de fuentes de datos disponibles para rastrear las tasas de infección, desde termómetros inteligentes hasta muestras de aguas residuales en busca de rastros genéticos del coronavirus.

Idealmente, dijo, «queremos fuentes de datos con poco tiempo de retraso y bajo error» que brinden la mayor cantidad imagen precisa en el menor tiempo posible después de la exposición. Algunas de sus investigaciones más recientes examinan qué medidas son necesarias para aumentar los niveles de movilidad de manera más segura. En la charla en vivo en línea, Steinhardt también discutió cómo las fuentes de transmisión han cambiado bajo las medidas de refugio en el lugar.

Seljak, mientras tanto, ha examinado las tasas de mortalidad relacionadas con el virus SARS-COV-2. Recientemente publicó un artículo basado en datos de Italia que sugería que las tasas de mortalidad son mucho más altas que muchas estimaciones iniciales, particularmente para las personas mayores. Él y sus coautores compararon las tasas de mortalidad por edad en la región más afectada de Lombardía en 2020 con las de los cinco años anteriores.

Si bien los primeros cinco años mostraron poca variación, 2020 vio un aumento sustancial , a partir del brote de COVID-19. Los investigadores plantearon la hipótesis de que muchas de las muertes adicionales se produjeron entre personas mayores que habían muerto a causa de infecciones por el virus SARS-COV-2 fuera del entorno hospitalario pero que no se habían hecho la prueba. Encontraron resultados similares en otras comunidades.

Para rastrear la propagación del coronavirus, los expertos de UC Berkeley dijeron que querían fuentes de datos que proporcionaran la imagen más precisa en el menor tiempo posible después de la exposición. Crédito: UC Berkeley

«¿Cuál es el riesgo de morir si se infecta? La respuesta es que depende mucho de la edad», dijo. «Si tiene, por ejemplo, un rango de edad de 30 a 39 años, entonces su riesgo de morir (si está infectado) es de uno en 10 000, por lo que es un número muy pequeño, y aumenta a partir de ahí. Para cuando lleguemos a de 70 a 79, es uno en 40 o 2,5 %; y de 80 a 89, es uno en 15, o 6,6 %; y finalmente, si tiene 90 años o más, es uno en seis, o aproximadamente 17 %».

Steinhardt y Seljak señalaron que, si bien los datos actualmente disponibles han proporcionado información crítica que ayuda a informar las decisiones sobre la capacidad del hospital y la reapertura de negocios y comunidades, aún se necesitan con urgencia datos más sólidos y precisos.

Los detalles no solo sobre quién está infectado, sino también dónde trabajan y a quién ven pueden ayudar a comprender cómo se propaga la enfermedad y a quién afecta. Algunos de esos datos, de hecho, ya se recopilaron y se mantienen en bases de datos privadas que pertenecen a hospitales y centros médicos a los que la ley les impide compartirlos.

Shafi Goldwasser se encuentra entre los investigadores pioneros en formas de use este poderoso arsenal de datos sin realmente «verlo». En otras palabras, ella y su equipo están desarrollando herramientas y enfoques para agregar y calcular grandes volúmenes de datos encriptados y permitir información sin violar la privacidad.

En la conversación, Goldwasser explicó cómo este proceso, llamado encriptación homomórfica , funciona.

Este enfoque podría usarse si las personas aceptaran compartir datos encriptados de sus teléfonos para permitir el rastreo de contactos, dijo. Con esos datos, sería posible ver tendencias relacionadas con dónde y cómo las personas se están infectando.

«Y no sabrá en qué hogar, quién se infectó, quién estaba cerca de (alguien) que estaba infectado», dijo. «El tipo de cálculos de los que estamos hablando no son complicados y se pueden realizar de manera eficiente con encriptación».

Perlmutter concluyó: «Estos son realmente excelentes ejemplos de lo que una universidad pública de investigación hace mejor. Y su trabajo es justo lo que necesitamos en este momento».

Explore más

Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por la Universidad de California – Berkeley Cita: COVID-19: seguimiento, privacidad de datos y obtención de números right (2020, 18 de mayo) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-05-covid-tracking-privacy.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.