La estrategia de prueba de COVID-19 definida por IA podría conducir a menos infecciones
Crédito: Pixabay/CC0 Dominio público
Cuando la pandemia del nuevo coronavirus se extendió por todo el mundo, los gobiernos y las instituciones de todo el mundo enfrentaron decisiones difíciles sobre a quién realizar la prueba del virus y cuando con suministros de prueba limitados.
Ahora, un nuevo algoritmo desarrollado por investigadores de la Facultad de Ciencias y Tecnología de la Información de Penn State podría ayudar a los líderes a tomar decisiones mejor informadas sobre cuántas personas sintomáticas y asintomáticas evaluar con pruebas diarias racionadas y en qué etapa de la pandemia. Las estrategias de prueba simuladas del modelo dieron como resultado aproximadamente un 40 % menos de infecciones.
«Nuestro objetivo era averiguar cómo distribuye una asignación de pruebas que tiene todos los días», dijo Amulya Yadav, PNC Technologies Career Development. Profesor asistente en la Facultad de IST. «¿Cómo los distribuye entre las personas sintomáticas y asintomáticas? ¿Y cómo debería cambiar esta asignación con el tiempo?»
Usando un modelo de inteligencia artificial conocido como Procesos de decisión de Markov parcialmente observables, el equipo de Yadav desarrolló una política secuencial para distribuir pruebas entre una población. Su modelo, llamado Design of Optimal COVID-19 Testing Oracle, o DOCTOR, se comparó con otras estrategias de prueba existentes utilizadas por gobiernos e instituciones. Muchas de estas otras estrategias son estáticas y no adaptativas, lo que puede causar deficiencias significativas en su eficacia para contener el COVID-19.
En un enfoque de dos fases, DOCTOR primero sugiere dedicar más esfuerzo a evaluar a las personas sintomáticas, asignando aproximadamente 65% de sus kits de prueba disponibles para personas que presentan síntomas. Con el tiempo, a medida que la cantidad de personas sintomáticas disminuye debido a que estos pacientes se trasladan a entornos hospitalarios o de cuarentena, DOCTOR cambia su atención a las pruebas para asintomáticos, aumentando gradualmente la cantidad de kits de prueba asignados a personas asintomáticas a medida que avanzan los puntos de decisión.
«Este es un programa de IA complicado, y es poco probable que podamos convencer a los gobiernos e instituciones de todo el mundo para que usen un programa y, en función de los resultados de ese programa, decidan su estrategia de prueba de COVID-19», dijo Yadav. «Pero podemos analizar la estrategia y obtener información y transmitir esa información a esos gobiernos e instituciones».
Cuando se aplicó en una simulación a la ciudad de Santiago en Panamá, un país con la tasa más alta de COVID- 19 infecciones per cápita, la estrategia de prueba del modelo superó las líneas de base de última generación al lograr aproximadamente un 40 % menos de infecciones por COVID-19. Esto ilustra el beneficio de tener una estrategia adaptativa, y más aún con la aparición de nuevas variantes del virus, según Yadav.
«Existe la posibilidad de que las pruebas sigan siendo parte de nuestro -19 esfuerzos de prevención en el próximo año», dijo. «Incluso si las vacunas también funcionan en las nuevas variantes, creo que habrá una diferencia o una división entre los países desarrollados y los subdesarrollados y la rapidez con la que podrán vacunar a sus poblaciones».
Agregó. , «Así que las pruebas van a ser mucho más importantes».
Yadav también subrayó en qué etapa de la pandemia sería más beneficiosa una estrategia de pruebas impulsada por IA para COVID-19. Su investigación muestra que el uso de IA es más beneficioso cuando la propagación de la pandemia es intermedia, lo que significa que no es demasiado grave ni demasiado lenta.
«Si la pandemia está en su máxima gravedad, intuitivamente, hay muy poco puede hacer en términos de optimizar las respuestas de mitigación y, por lo tanto, la IA no puede ayudar mucho», dijo Yadav. «Por otro lado, si la pandemia está a punto de comenzar a propagarse, intuitivamente, no es necesario ser tan inteligente para optimizar sus respuestas de mitigación, por lo que casi cualquier estrategia funcionaría bien. Solo cuando la pandemia está en su fase intermedia, cuando los beneficios de una estrategia de prueba de COVID-19 a largo plazo impulsada por IA son más pronunciados».
Dado que COVID-19 se encuentra actualmente en una etapa intermedia en muchos lugares del mundo, es una solución óptima Es hora de que los gobiernos y las instituciones consideren una estrategia de prueba impulsada por IA. Además, el modelo podría ser útil para guiar a los tomadores de decisiones en el caso de una futura pandemia.
«Me encantaría que no requiramos que este modelo se use nunca, y que COVID- 19 nos supera sin tener que usar los conocimientos», dijo Yadav. «Pero podría permitirnos prepararnos para la próxima pandemia, y si eso sucede, sabremos qué debemos hacer y qué estrategias de prueba pueden tener el mayor impacto».
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por la Universidad Estatal de Pensilvania Cita: La estrategia de prueba de COVID-19 definida por IA podría conducir a menos infecciones ( 2021, 22 de enero) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-01-ai-defined-covid-strategy-infections.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.