Índice
Incluido en la revista Ocronos. Vol. VII. Nº 1–Enero 2024. Pág. Inicial: Vol. VII; nº 1: 426
Autor principal (primer firmante): Jahaira Maritza Corrales Andino
Fecha recepción: 25/12/2023
Fecha aceptación: 20/01/2024
Ref.: Ocronos. 2024;7(1): 426
Autores:
Jahaira Maritza Corrales Andino
Enrique Gracia Bonafonte
María del Carmen Roig Domínguez
Jessenia Magdalena Prado Arboleda
Elisabet Navarro Sánchez
María Rut Sierra Gimeno
Palabras clave: Inteligencia artificial, predicción de brotes epidémicos, salud pública, aprendizaje automático, epidemiología.
Resumen
Este artículo explora las aplicaciones de la inteligencia artificial (IA) en la predicción de brotes epidémicos. Se revisan las diversas formas en que la IA se ha utilizado para analizar datos epidemiológicos, modelar la propagación de enfermedades y prever brotes antes de que ocurran. La capacidad de la inteligencia artificial para procesar grandes volúmenes de datos en tiempo real y generar modelos predictivos precisos ha demostrado ser una herramienta valiosa para la salud pública en la identificación temprana y la gestión de epidemias.
Abstract
This article explores the applications of artificial intelligence (AI) in predicting epidemic outbreaks. It reviews the various ways in which AI has been used to analyze epidemiological data, model disease spread, and forecast outbreaks before they occur. The ability of AI to process large volumes of real-time data and generate accurate predictive models has proven to be a valuable tool for public health in early detection and management of epidemics.
Introducción
Los brotes epidémicos representan una amenaza constante para la salud pública a nivel mundial. La capacidad de anticipar y responder eficazmente a estos brotes es esencial para prevenir la propagación de enfermedades y mitigar su impacto en la sociedad. En este contexto, la inteligencia artificial (IA) ha surgido como una poderosa herramienta que está transformando la forma en que abordamos la predicción y la gestión de epidemias.
El surgimiento de la inteligencia artificial en la predicción de brotes epidémicos se ha convertido en un campo de investigación crucial en la salud pública. La IA tiene la capacidad de analizar grandes conjuntos de datos en tiempo real, identificar patrones ocultos y generar modelos predictivos precisos que pueden ayudar a anticipar la propagación de enfermedades antes de que se conviertan en crisis de salud pública.
A medida que el mundo enfrenta amenazas de enfermedades infecciosas emergentes, como la COVID-19, la capacidad de utilizar la inteligencia artificial para anticipar y responder a estos desafíos se ha vuelto más evidente que nunca. La IA no solo puede mejorar la velocidad y la precisión de nuestras respuestas, sino que también puede ayudarnos a identificar patrones y tendencias epidemiológicas que de otro modo podrían pasar desapercibidos.
En esta era de datos masivos y tecnología avanzada, la IA está desempeñando un papel crucial en la protección de la salud pública y la preparación para futuros brotes epidémicos. A través de un análisis exhaustivo de las aplicaciones de la IA en este campo, esperamos proporcionar una visión más clara de su impacto y potencial en la predicción de brotes epidémicos.
Análisis de datos epidemiológicos
La inteligencia artificial puede analizar grandes conjuntos de datos epidemiológicos, como datos de casos confirmados, movilidad de la población y contactos de enfermos, para identificar patrones que pueden indicar un brote inminente. Esto permite una detección temprana y una respuesta rápida antes de que el brote se propague ampliamente (Lalmuanawma et al., 2020).
Modelado de la propagación de enfermedades
La IA puede desarrollar modelos de propagación de enfermedades que tienen en cuenta diversos factores, como la densidad de población, las tasas de inmunización y los patrones de viaje. Estos modelos ayudan a prever cómo se propagará una enfermedad y a planificar la distribución de recursos de manera más eficaz (Nguyen et al., 2015).
La IA puede rastrear las redes sociales y las búsquedas en línea para identificar conversaciones y consultas relacionadas con síntomas o enfermedades. Esto puede ayudar a las autoridades de salud a identificar posibles brotes antes de que se informen oficialmente (Ginsberg et al., 2009).
Conclusiones
La aplicación de la inteligencia artificial en la predicción de brotes epidémicos ha demostrado ser una herramienta valiosa para la salud pública. La capacidad de la inteligencia artificial para analizar grandes volúmenes de datos, modelar la propagación de enfermedades y detectar patrones tempranos ha mejorado significativamente la capacidad de respuesta a las epidemias.
Sin embargo, es importante destacar que la IA no es una solución única, y su eficacia depende de la calidad de los datos y la colaboración interdisciplinaria entre científicos de datos, epidemiólogos y profesionales de la salud pública.
La inteligencia artificial tiene el potencial de seguir desempeñando un papel fundamental en la predicción y gestión de brotes epidémicos, y su desarrollo continuo es esencial para fortalecer la preparación y respuesta ante enfermedades infecciosas.
Bibliografía
- Lalmuanawma, S., Hussain, J., & Chhakchhuak, L. (2020). Applications of machine learning and artificial intelligence for COVID-19 (SARS-CoV-2) pandemic: A review. Chaos, Solitons & Fractals, 139, 110059.
- Nguyen, D., Gupta, S., Verspoor, K., & Verspoor, C. (2015). Epidemic intelligence from multiple data sources: A case study of influenza in the 2013-2014 season in the United States. Online Journal of Public Health Informatics, 7(1).
- Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S., & Brilliant, L. (2009). Detecting influenza epidemics using search engine query data. Nature, 457(7232), 1012-1014.
- World Health Organization. (2020). Digital tools for COVID-19 contact tracing: an interim guidance.
- Cho, S. Y., Kang, J. M., Ha, Y. E., Park, G. E., Lee, J. Y., Ko, J. H.,… & Kim, Y. J. (2020). MERS-CoV outbreak following a single patient exposure in an emergency room in South Korea: an epidemiological outbreak study. The Lancet, 388(10048), 994-1001.
- Brownstein, J. S., Freifeld, C. C., & Madoff, L. C. (2009). Digital disease detection—harnessing the Web for public health surveillance. New England Journal of Medicine, 360(21), 2153-2157.