Inteligencia Artificial para evitar la próxima pandemia

Con todo el planeta sufriendo todavía los estragos y consecuencias de la pandemia provocada por el virus SARS-CoV-2, científicos de todo el mundo se afanan por avanzar sus investigaciones de cara a prevenir –o al menos minimizar– los efectos de una nueva pandemia en el futuro. Entre los esfuerzos realizados por la comunidad científica, destaca un reciente trabajo, publicado hace solo unos días en la revista The Lancet Microbe, en el que se examinan las enormes posibilidades de las herramientas basadas en inteligencia artificial a la hora de facilitar la búsqueda del próximo virus tipo SARS.

La inteligencia artificial permite tomar datos de los murciélagos y convertirlos en predicciones concretas

Los autores del trabajo, un equipo multidisciplinar de científicos que forman parte del consorcio VERENA (siglas en inglés de "Iniciativa de Investigación sobre Aparición de Virus"), liderados por Colin Carlson, profesor en el Departamento de Microbiología e Inmunología del Centro Médico de la Universidad de Georgetown (Washington D.C.), han estado empleando durante el último año y medio un conjunto de modelos predictivos de posibles hospedadores de virus, con la intención de identificar especies específicas de murciélagos –uno de los reservorios animales más habituales– que probablemente "transporten" betacoronavirus, un género que incluye a virus como el SARS-CoV o el SARS-CoV-2.

"Para localizar estos nuevos virus, hay que empezar por trazar un perfil de sus hospedadores: su ecología, su evolución, incluso la forma de sus alas", explicó Carlson en declaraciones a la publicación Science Daily. "Gracias a la inteligencia artificial, podemos tomar datos de los murciélagos y convertirlos en predicciones concretas: ¿dónde deberíamos buscar el próximo SARS?", añadió.

Con más de 400 especies de murciélagos en todo el mundo que se cree podrían portar betacoronavirus aún no conocidos, el nuevo estudio incide en la necesidad de dirigir con exactitud los esfuerzos de los investigadores. Y en esa tarea la inteligencia artificial puede jugar un papel determinante, al concretar qué especies de murciélagos son más probables que sean portadores de virus. En el año 2020, el equipo de Carlson desarrolló ocho modelos estadísticos diferentes con la finalidad de "predecir" qué tipos de animales podían hospedar betacoronavirus. Gracias a estos modelos, y al seguimiento durante un año de 40 especies de murciélagos, los científicos pudieron validar las predicciones iniciales realizadas por sus modelos. De este modo, determinaron que aquellos modelos que aprovechaban todos los datos disponibles sobre la ecología y evolución de los murciélagos, lograron un nivel de aciertos muy elevado a la hora de predecir huéspedes de betacoronavirus. Por el contrario, los modelos que únicamente empleaban matemáticas de alto nivel, sin usar datos biológicos, ofrecieron resultados iguales o inferiores a los esperados debido al azar.

 

"Una de las cosas más importantes de nuestro estudio es que nos ha proporcionado una lista final con datos de qué especies de murciélagos deben estudiarse más a fondo", explicó Daniel Becker, profesor de Biología en la Universidad de Oklahoma, y coautor del trabajo. Al guiar de forma precisa sobre qué especies de murciélagos estudiar y cuáles no, los modelos predictivos de inteligencia artificial ahorran un tiempo y unos recursos que son de vital importancia para los investigadores. "De este modo podemos centrar nuestros esfuerzos en invertir en la producción de vacunas universales para atacar esos virus, o vigilar la aparición de contagios en poblaciones cercanas a colonias de murciélagos", explicó Carlson.

Esta no es la primera vez que los científicos emplean las capacidades de la inteligencia artificial para combatir virus y epidemias. En 2014, en plena epidemia de ébola en África occidental, se encargó a una empresa especialista en inteligencia artificial el desarrollo de un modelo capaz de predecir la evolución de la enfermedad. Para ello, crearon un sistema basado en "agentes" con datos del mundo real: número de casos, distribución de la población, patrones de viaje, etc. Tras el análisis, el sistema vaticinó que, de no actuar, el virus contagiaría a 1,4 millones de personas. Con los datos de la simulación, los especialistas enviaron equipos médicos a los lugares críticos, y se aconsejó a la población para que siguieran conductas preventivas estrictas. Nunca sabremos qué habría pasado de actuar de modo distinto al que sugirió la inteligencia artificial, pero es un buen ejemplo de cómo los modelos predicitivos pueden ayudar en este tipo de escenarios.