Los investigadores usan el aprendizaje automático para crear predicciones de COVID-19

Crédito: Pixabay/CC0 Dominio público

A medida que partes de los EE. UU. reabren tentativamente en medio de la pandemia de COVID-19, la salud a largo plazo de la nación sigue dependiendo del seguimiento del virus y predecir dónde podría surgir a continuación. Encontrar los modelos de computadora correctos puede ser complicado, pero dos investigadores de la Universidad de Binghamton, Universidad Estatal de Nueva York, creen que tienen una forma innovadora de resolver esos problemas y están compartiendo su trabajo en línea.

Usando datos recopilados de todo el mundo por la Universidad Johns Hopkins, Arti Ramesh y Anand Seetharamboth, profesores asistentes en el Departamento de Ciencias de la Computación, han creado varios modelos de predicción que aprovechan la inteligencia artificial. Ayudar a la investigación es Ph.D. estudiante Raushan Raj.

El aprendizaje automático permite que los algoritmos aprendan y mejoren sin ser programados explícitamente. Los modelos examinan tendencias y patrones de los 50 países donde las tasas de infección por coronavirus son más altas, incluido EE. UU., y a menudo pueden predecir con un margen de error del 10 % lo que sucederá durante los próximos tres días según los datos de los últimos 14 días.

«Creemos que los datos anteriores codifican toda la información necesaria», dijo Seetharam. «Estas infecciones se han propagado debido a las medidas que se han implementado o no, y también porque algunas personas se han adherido a las restricciones o no. Los diferentes países del mundo tienen diferentes niveles de restricciones y estatus socioeconómico».

Para su estudio inicial, Ramesh y Seetharam ingresaron números de infección global hasta el 30 de abril, lo que les permitió ver cómo se desarrollaron sus predicciones hasta mayo.

Ciertas anomalías pueden generar dificultades. Por ejemplo, los datos de China no se incluyeron debido a preocupaciones sobre la transparencia del gobierno con respecto a COVID-19. Además, con los recursos de salud a menudo gravados al límite, rastrear la propagación del virus a veces no era la prioridad.

«Hemos visto en muchos países que han contado las infecciones pero no las han atribuido en el día fueron identificados», dijo Ramesh. «Los agregarán todos en un día, y de repente hay un cambio en los datos que nuestro modelo no puede predecir».

Aunque las tasas de infección están disminuyendo en muchas partes de los EE. UU., están aumentando en otros países, y los funcionarios de salud de EE. UU. temen una segunda ola de COVID-19 cuando las personas cansadas del encierro no sigan las pautas de seguridad, como usar máscaras faciales.

«La principal utilidad de este estudio es preparar hospitales y trabajadores de la salud con el equipo adecuado», dijo Seetharam. «Si saben que los próximos tres días van a ver un aumento y que las camas en sus hospitales están llenas, tendrán que construir camas temporales y cosas así».

Como el coronavirus barre todo el mundo, Ramesh y Seetharam continúan recopilando datos para que sus modelos puedan volverse más precisos. Otros investigadores o funcionarios de atención médica que deseen utilizar sus modelos pueden encontrarlos publicados en línea.

«Cada punto de datos es un día, y si se extiende más, producirá patrones más interesantes en los datos», Ramesh dijo. «Entonces usaremos modelos más complejos, porque necesitan patrones de datos más complejos. En este momento, esos no existen, así que estamos usando modelos más simples, que también son más fáciles de ejecutar y comprender».

Ramesh y el artículo de Seetharam se llama «Modelos de regresión de conjunto para la predicción a corto plazo de casos confirmados de COVID-19».

Explore más

Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por la Universidad de Binghamton Cita: Los investigadores usan el aprendizaje automático para crear predicciones de COVID-19 (2020, 29 de junio ) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-06-machine-covid-.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.